Modelo de Prevención

El modelo teórico de prevención de la violencia que se toma en este proyecto es una propuesta del Lic. Guillermo Valadés Castellanos[1]. Este modelo tiene como propósito la implementación de políticas públicas tomando como punto de partida aquellas variables que tienen mayor relación con la incidencia delictiva. Del mismo modo, la propuesta intenta segmentar geográficamente el tipo de política dependiendo de las necesidades especificas de cada región.

El modelo considera los siguientes puntos de partida:

  1. Sobre las causas de la delincuencia
  2. Sobre los tipos de delincuencia
  3. Sobre los tipos de prevención

Sobre las Causas de la delincuencia

Existe la tesis general que sostiene que algunas situaciones sociales y económicas, como la pobreza, la desigualdad, la falta de oportunidades económicas y/o educativas, etc. son causas de la delincuencia. Sin embargo, no existe una relación causal. Pueden ser condiciones necesarias, en algunos casos, aunque no suficientes. Por lo tanto es indispensable, encontrar otras variables sociales, más concretas, que operan como factores de riesgo o detonantes de la actividad delictiva.

Existen dos tipos de factores de riesgo:

  1. Los sociales. Que afectan directamente a los grupos sociales propensos a la comisión de delitos, por ejemplo, el nivel de violencia familiar
  2. Los de contexto. Se refieren a la existencia de espacios físicos proclives para el crimen o las deficiencias de la vigilancia policial.

Esto quiere decir, que las variables estructurales sociales y económicas sólo operan cuando están presentes los factores de riesgo. Por ejemplo, que un joven haya abandonado la escuela y se encuentre desempleado, no es causa suficiente para que se convierta en delincuente. Se requiere además, que sea miembro de alguna pandilla, sea víctima de violencia familiar, consuma drogas y existan factores externos que faciliten la comisión de un delito, como escasa vigilancia policíaca y alto nivel de impunidad.

Sobre los tipos de delincuencia

La delincuencia puede clasificarse por tipo de actor delictivo. Existen delitos que se comenten por individuos aislados, grupos juveniles o pandillas, bandas locales y finalmente por agrupaciones del crimen organizado (carteles).

Sobre los tipos de prevención

  • Directa. Opera sobre variables inmediatas y los actores directos o potenciales.

    1. Jóvenes propensos a la comisión de delitos
    2. Delincuentes individuales o en grupo, pero no carteles
    3. Factores de riesgo
  • Indirecta. Sobre causas estructurales, como desigualdad social.

Desarrollo

Este modelo se centra en delitos cometidos por individuos aislados, pandillas y bandas; se focaliza en la disminución de factores de riesgo; y debido a que sólo se cuenta con el número de carpetas de investigación reportadas por la Fiscalía de la Ciudad de México, se eligió el robo de vehículos como delito a estudiar debido a que el nivel de registros es mayor que el de otros incidentes, donde la cifra negra ronda porcentajes cercanos a 99%. Es importante mencionar, que debido a que se cuenta con información pública, únicamente, buena parte del trabajo de este proyecto es la recopilación y adecuación de las variables integradas de varias fuentes disponibles como los datos de Ciudad de México y el Instituto Nacional de Estadística y Geografía (INEGI).

La implementación de este modelo se realizó, en primer lugar, tomando como variable dependiente el número de robos de vehículos. Mediante una regresión lineal se intentó encontrar aquellas variables más importantes en el modelo. Sin embargo, debido a la naturaleza de los datos, los cuales están segmentados por la unidad geográfica mínima que realiza el Instituto Nacional de Estadística y Geografía (INEGI) se encontró que la mediana de los datos es 0 y cerca de 75% de las aŕeas geográficas tienen menos de 3 robos de vehículos durante 2020, lo que convierte nuestra base de datos en una base rala.

Por tanto, en un segundo intento por encontrar las variables que se encuentran más relacionadas con el robo de vehículos, se modificó la variable dependiente (número de robos de vehículos) convirtiendola en una variable binomial. Dicha variable marca 0 si en el área geográfica básica (AGEB) no se reportaron robos y 1 si se reportó alguno.

Diagnóstico

La base de datos está estructurada por AGEB, es decir, cada renglón contiene la información correspondiente a cada una una delas demarcaciones territoriales básicas de la Ciudad de México durante 2020.

  1. PHOGJEF_F. Personas en hogares censales donde la persona de referencia es mujer (INEGI)

Fuentes

Las fuentes de información que se emplearon para este trabajo son las siguientes:

Esta base de datos es generada por el INEGI y contiene las claves de las entidades federativas, los municipios y las localidades a la que pertenece cada AGEB; así como las coordenadas georreferenciadas que definen el polígono territorial que cubre cada AGEB.

El AGEB se define como la extensión territorial que corresponde a la subdivisión de las áreas geoestadísticas municipales y, dependiendo de sus características, se clasifican en dos tipos: AGEB urbana y AGEB rural. Las AGEB urbanas corresponden al área geográfica ocupada por un conjunto de manzanas perfectamente delimitadas por calles, avenidas, andadores o cualquierotro rasgo de fácil identificación en el terreno y cuyo uso de suelo es principalmente habitacional, industrial, de servicios, comercial, entre otros, y sólo son asignados al interior de localidades urbanas. Las AGEB que no formen parte de la descripción anterior son considerardadas rurales.

Esta base de datos corresponde al Censo de Población y Vivienda realizado por el INEGI en 2020 (Censo en adelante) y, de acuerdo con la documentación de la entidad, “se incluye una selección de indicadores sobre las características sociodemográficas de la población y las viviendas de las localidades urbanas del país, generados con los resultados del Censo de Población y Vivienda 2020 desagregados hasta el nivel de área geoestadística básica (AGEB) y manzana urbana.”

Las variables relativas a la Población que se recabaron en el censo son de los siguientes factores: sexo, edad, fecundidad, Migración, etnicidad, discapacidad, educación, características económicas, servicios de salud, situación conyugal y religión. Porotro lado, en cuanto a lo que se refiere a Vivienda se cubren los siguientes campos: viviendas y ocupantes, material de piso, número de cuartos, servicios y bienes con los que cuenta. El detalle de cada uno de los 222 indicadores que se consultaron para cada uno de los 64,313 AGEB que componen a la base de datos se pueden consultar en este link.

En esta base de datos encontramos las Carpetas de Investigación de delitos a nivel calle de la Procuraduría General de Justicia de la Ciudad de México desde enero 2016 hasta junio 2019 (Delitos en adelante). Cuenta con 19 variables, que nos indican la información más rlevante del delito cometido y nos permiten responder las preguntas: ¿Cuándo se cometió? ¿Dónde ocurrió? ¿Qué tipo de delito fue? ¿Quién lo está investiganso? De estas, las variables de mayor interés son el tipo de delito y el lugar donde se cometió (con coordenadas de latitud y longitud). El delito que estamos interesados en investigar, y que corresponde a nuestra variable respuesta, es el tipificado como Robo de vehículo, sin embargo, también se extraen otros delitos que podrían estar relacionados con este fenómeno: Violencia familiar, Amenazas, Fraude, Robos de objetos, Robos de objetos al interior de un vehículo, Robo a transeunte, Robo de accesorios de auto, Robo a negocio sin violencia, Narcomenudeo con posesión simple y Robo a casa habitación sin violencia.

Estos postes son parte del Centro de Comando, Control, Cómputo, Comunicaciones y Contacto Ciudadano (C5) de la Ciudad de México que cuentan con conexión gratuita a internet para la ciudadanía, además de servicios de video monitoreo, atención llamadas de emergencia, denuncias anónimas y servicio de LOCATEL.

En la base de datos utilizada se cuneta con la georrefernciación (latitud y longitud) de cada uno de los postes del C5 que cuentan con estos servicios.

Limpieza

Ambas bases de datos fueron analizadas y se realizó un proceso de limpieza y transformación que consistió en los siguientes puntos:

Para la base de datos del Censo:

  • Se agruparon dos categorías de población en una. De modeo que los grupos de edades de 15 a 17 y de 18 a 24 se integraron en una sola categoría: de 15 a 24. Se hizo una variable con el total de la población en ese rango y otra solo para hombres en ese mismo rango de edad. Esta agrupación se realizó para capturar lo que se ha observado en estudios como la Encuesta NAcional de Victimización y Percepción sobre Seguridad Pública (ENVIPE) donde se indica que en este rango de edad existe una concentración de población con propensión a delinquir.
  • Se corrigen los caracteres incorrectos en la vairiable nombre del municipio
  • Se creó una nueva variable que posteriormente se utiliza para relacionar la base de datos del Censo con las otras utilizadas.
  • En relación con las variables que indican el grado de desarrollo humano al observar alta presencia de NA’s y 0’s en las variables relacionadas con características de la vivienda (piso de tierra, sin agua entubada, sin drenaje y sin energía eléctrica), se concluye que al ser un análisis en la CDMX tienen poca o nula variabilidad pues, aunque si existen zonas marginadas, al encontrarnos en una zona mayormente urbana éstas no son relevantes para nuestro análisis. Por esta razón se eliminaron. Aunque la información relacionada con desarrollo humano es capturada por las variables de servicios de internet y afiliación a servicios de salud.
  • Durante nuestra etapa de modelado, descubrimos que existen 17 AGEBS con POBTOT = 0 y que esto se replica en todas las variables relacionadas a población, por lo que podemos eliminar estos registros al no representar perdida de información siginificativa (17 de +2000)
  • Las variables relacionadas con la población afiliada a servicios médicos, hogares cuya jefe de falia es una mujer, viviendas desocupadas y población nacida en otra entidad se relativizan utilizando tasas por cada mil habitantes.

Para la base de datos de Delitos:

  • Se descartaron los registros que no tenían información de coordenadas (latitud y/o longitud)
  • Creación de una nueva variable formada por los valores de latitud y longitud
  • Los datos nulos se imputan con cero
  • Se agregan en una sola variable todos los delitos de robos y en “otras” los de delitos de fraude, amenazas y narcomenudeo
  • Se modifica la variable dependiente (número de robos de vehículos) a una variable binomial. Dicha variable marca 0 si en la AGEB no se reportaron robos y 1 si se reportó alguno.

Para la base de datos de Poste_Wifi: - Los datos nulos se imputan con cero

Proceso de cruce de Bases de Datos

Debido a que la información del Censo se tiene ubicada por AGEB y las otras bases de datos tienen información de ubicación en coordenadas geográficas de latitud y longitud, para poder generar una sola base de datos se requiere identificar la información de las observaciones que tienen puntos georreferenciados con su correspondiente AGEB. Para ello se utiliza el formato Coordinate Reference Systems (CRS) para homologar los puntos de ambas bases. En la Figura siguiente el resultado del cruce realizado entre las AGEB y los punts donde se han presentado robos de vehículos:

Siguienedo este mismo proceso se realiza el cruce ahora entre la base de datos de Delitos con la del Censo y los polígonos de AGEB. Con esto podemos crear los siguientes mapas:

Finalmente, se agraga la información de los postescon WiFi de la Ciudad de México, realizando el mismo procedimiento de identificar AGEB para cada punto georreferenciado y cruzar con la base de datos que ya incluye las variables del Censo y las de Delitos. El resultado final es una base de datos que incluye las variables de interés del Censo, Delitosy Postes WiFi, todas relacionadas al AGEB a la que pertenecen.

knitr::opts_chunk$set(echo = FALSE)


## ID_F0 --> This function aim to install and load libraries required.
rm(list = ls())

instalar <- function(paquete) {
  if (!require(paquete,character.only = TRUE, quietly = TRUE,
               warn.conflicts = FALSE)) {
    install.packages(as.character(paquete), dependecies = TRUE,
                     repos = "http://cran.us.r-project.org")
    library(paquete, character.only = TRUE, quietly = TRUE,
            warn.conflicts = FALSE)
  }
}
    
## *******   Defining required libraries to install and load   *******

## Use this vector to indicate libraries to load.
paquetes <- c("tensorflow", "keras", "tidyverse","stringi",
              "tidymodels", "glmnet", "kknn","gt","ranger")

invisible(lapply(paquetes, instalar))
## Warning: package 'tensorflow' was built under R version 4.1.2
## Warning: package 'keras' was built under R version 4.1.2
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.7
## v tidyr   1.1.4     v stringr 1.4.0
## v readr   2.1.1     v forcats 0.5.1
## Warning: package 'tibble' was built under R version 4.1.2
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
## Warning: package 'tidymodels' was built under R version 4.1.2
## Registered S3 method overwritten by 'tune':
##   method                   from   
##   required_pkgs.model_spec parsnip
## -- Attaching packages -------------------------------------- tidymodels 0.1.4 --
## v broom        0.7.10     v rsample      0.1.1 
## v dials        0.0.10     v tune         0.1.6 
## v infer        1.0.0      v workflows    0.2.4 
## v modeldata    0.1.1      v workflowsets 0.1.0 
## v parsnip      0.1.7      v yardstick    0.0.9 
## v recipes      0.1.17
## Warning: package 'broom' was built under R version 4.1.2
## Warning: package 'dials' was built under R version 4.1.2
## Warning: package 'infer' was built under R version 4.1.2
## Warning: package 'modeldata' was built under R version 4.1.2
## Warning: package 'parsnip' was built under R version 4.1.2
## Warning: package 'recipes' was built under R version 4.1.2
## Warning: package 'rsample' was built under R version 4.1.2
## Warning: package 'tune' was built under R version 4.1.2
## Warning: package 'workflows' was built under R version 4.1.2
## Warning: package 'workflowsets' was built under R version 4.1.2
## Warning: package 'yardstick' was built under R version 4.1.2
## -- Conflicts ----------------------------------------- tidymodels_conflicts() --
## x scales::discard()        masks purrr::discard()
## x dplyr::filter()          masks stats::filter()
## x recipes::fixed()         masks stringr::fixed()
## x yardstick::get_weights() masks keras::get_weights()
## x dplyr::lag()             masks stats::lag()
## x yardstick::spec()        masks readr::spec()
## x recipes::step()          masks stats::step()
## * Use suppressPackageStartupMessages() to eliminate package startup messages
## Warning: package 'glmnet' was built under R version 4.1.2
## 
## Attaching package: 'Matrix'
## The following objects are masked from 'package:tidyr':
## 
##     expand, pack, unpack
## Loaded glmnet 4.1-3
## Warning: package 'kknn' was built under R version 4.1.2
## Warning: package 'gt' was built under R version 4.1.2
## Load piping files and review of working libraries

source("../src/utils/utils.R", encoding = 'UTF-8')

DATABASE

## New names:
## * `` -> ...1
## Rows: 2397 Columns: 65
## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr  (8): CVEGEO, CVE_ENT_x, CVE_MUN_x, CVE_LOC_x, CVE_AGEB_x, geometry, NOM...
## dbl (57): ...1, POBTOT, VIVTOT, TVIVHAB, P_15A17, P_18A24, P_15A17_M, P_18A2...
## 
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.

Tidy Process

Lo primero que haremos es observar la configuración y salud de nuestros datos para iniciar el proceso de limpieza y construcción de variables derivadas relevantes para nuestro análisis.

## Rows: 2,397
## Columns: 65
## $ ...1                                    <dbl> 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, ~
## $ CVEGEO                                  <chr> "0901000011716", "090100001215~
## $ CVE_ENT_x                               <chr> "09", "09", "09", "09", "09", ~
## $ CVE_MUN_x                               <chr> "010", "010", "010", "010", "0~
## $ CVE_LOC_x                               <chr> "0001", "0001", "0001", "0001"~
## $ CVE_AGEB_x                              <chr> "1716", "2150", "1133", "1307"~
## $ geometry                                <chr> "POLYGON ((-11049441.68989537 ~
## $ NOM_ENT                                 <chr> "Ciudad de M\u0082xico", "Ciud~
## $ NOM_MUN                                 <chr> "µlvaro Obreg¢n", "µlvaro Obre~
## $ POBTOT                                  <dbl> 7042, 4588, 2203, 2914, 237, 4~
## $ VIVTOT                                  <dbl> 1897, 1755, 857, 967, 78, 1181~
## $ TVIVHAB                                 <dbl> 1859, 1612, 769, 855, 68, 1140~
## $ P_15A17                                 <dbl> 319, 163, 53, 77, 12, 219, 94,~
## $ P_18A24                                 <dbl> 843, 433, 196, 351, 16, 458, 2~
## $ P_15A17_M                               <dbl> 178, 83, 30, 46, 5, 117, 55, N~
## $ P_18A24_M                               <dbl> 439, 228, 90, 136, 6, 225, 102~
## $ P_15A17_F                               <dbl> 141, 80, 23, 31, 7, 102, 39, 4~
## $ P_18A24_F                               <dbl> 404, 205, 106, 215, 10, 233, 9~
## $ PNACOE                                  <dbl> 1420, 672, 473, 657, 53, 588, ~
## $ P15YM_AN                                <dbl> 167, 45, 7, 14, 0, 72, 14, 0, ~
## $ P15A17A                                 <dbl> 247, 135, 50, 66, 12, 160, 73,~
## $ P15A17A_F                               <dbl> 117, 69, 23, 28, 7, 77, 32, 4,~
## $ P15A17A_M                               <dbl> 130, 66, 27, 38, 5, 83, 41, NA~
## $ P18A24A                                 <dbl> 273, 219, 122, 202, 10, 189, 8~
## $ P18A24A_F                               <dbl> 132, 108, 64, 97, 4, 98, 35, 6~
## $ P18A24A_M                               <dbl> 141, 111, 58, 105, 6, 91, 45, ~
## $ GRAPROES                                <dbl> 9.34, 12.29, 14.95, 14.29, 13.~
## $ GRAPROES_F                              <dbl> 9.22, 12.02, 14.26, 13.49, 12.~
## $ GRAPROES_M                              <dbl> 9.47, 12.60, 15.83, 15.35, 15.~
## $ PEA                                     <dbl> 4117, 2610, 1371, 1722, 127, 2~
## $ PEA_F                                   <dbl> 1844, 1214, 713, 878, 66, 1115~
## $ PEA_M                                   <dbl> 2273, 1396, 658, 844, 61, 1344~
## $ POCUPADA                                <dbl> 4059, 2517, 1348, 1702, 127, 2~
## $ POCUPADA_F                              <dbl> 1825, 1184, 697, 869, 66, 1100~
## $ POCUPADA_M                              <dbl> 2234, 1333, 651, 833, 61, 1311~
## $ PDESOCUP                                <dbl> 58, 93, 23, 20, 0, 48, 16, NA,~
## $ PDESOCUP_F                              <dbl> 19, 30, 16, 9, 0, 15, 5, 0, 51~
## $ PDESOCUP_M                              <dbl> 39, 63, 7, 11, 0, 33, 11, NA, ~
## $ TOTHOG                                  <dbl> 1859, 1611, 767, 853, 68, 1139~
## $ HOGJEF_F                                <dbl> 812, 756, 322, 249, 14, 462, 2~
## $ POBHOG                                  <dbl> 7042, 4584, 2119, 2896, 237, 4~
## $ PHOGJEF_F                               <dbl> 2975, 1996, 761, 678, 39, 1757~
## $ TVIVPARHAB                              <dbl> 1859, 1611, 767, 853, 68, 1139~
## $ VIVPAR_DES                              <dbl> 33, 107, 61, 62, 5, 34, 59, 0,~
## $ PRO_OCUP_C                              <dbl> 1.03, 0.73, 0.50, 0.53, 0.54, ~
## $ VPH_INTER                               <dbl> 1181, 1290, 733, 831, 64, 851,~
## $ PSINDER                                 <dbl> 2016, 1120, 485, 544, 78, 1215~
## $ VPH_PISOTI                              <dbl> 7, 4, 5, NA, 0, 6, 6, NA, 25, ~
## $ VPH_S_ELEC                              <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, NA,~
## $ VPH_AGUAFV                              <dbl> 5, 0, 0, 0, 0, NA, NA, 0, 21, ~
## $ VPH_NODREN                              <dbl> 4, NA, 0, 0, 0, 0, NA, 0, 4, N~
## $ pop_15_24                               <dbl> 1162, 596, 249, 428, 28, 677, ~
## $ pop_15_24_H                             <dbl> 617, 311, 120, 182, 11, 342, 1~
## $ Robo_Vehículos                          <dbl> 3, 8, 4, 7, NA, 1, 2, NA, 1, N~
## $ Amenzas                                 <dbl> 2, 9, 1, 2, NA, 1, NA, NA, 4, ~
## $ Fraude                                  <dbl> 1, 3, 5, 5, 3, 2, NA, NA, 4, 1~
## $ Robo_Objetos                            <dbl> 1, NA, 7, 6, NA, 2, NA, NA, 2,~
## $ Robo_Objetos_Vehiculo                   <dbl> NA, NA, 4, 3, NA, 1, NA, NA, 2~
## $ Robo_Transeunte                         <dbl> 2, 1, 9, 4, NA, 1, NA, NA, 2, ~
## $ Robo_Accesorios_Autos                   <dbl> 1, 4, 6, 6, NA, 1, NA, NA, 4, ~
## $ Robo_Negocio_Sin_Violencia_Autoservicio <dbl> NA, NA, 4, NA, 1, 2, NA, NA, N~
## $ Robo_Negocio_Sin_Violencia              <dbl> NA, NA, 8, 1, 1, 2, NA, NA, NA~
## $ Narcomenudeo                            <dbl> 1, 1, NA, NA, NA, NA, 1, NA, 1~
## $ Robo_Casa_Sin_Violencia                 <dbl> 2, NA, 1, 3, 1, NA, NA, NA, 4,~
## $ Postes_Wifi                             <dbl> 7, 7, 9, 6, 1, 5, 2, 2, 4, 2, ~
##       ...1         CVEGEO           CVE_ENT_x          CVE_MUN_x        
##  Min.   :   0   Length:2397        Length:2397        Length:2397       
##  1st Qu.: 599   Class :character   Class :character   Class :character  
##  Median :1198   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :1198                                                           
##  3rd Qu.:1797                                                           
##  Max.   :2396                                                           
##                                                                         
##   CVE_LOC_x          CVE_AGEB_x          geometry           NOM_ENT         
##  Length:2397        Length:2397        Length:2397        Length:2397       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##    NOM_MUN              POBTOT          VIVTOT        TVIVHAB        P_15A17   
##  Length:2397        Min.   :    0   Min.   :   0   Min.   :   0   Min.   :  0  
##  Class :character   1st Qu.: 2099   1st Qu.: 719   1st Qu.: 648   1st Qu.: 75  
##  Mode  :character   Median : 3434   Median :1108   Median :1016   Median :135  
##                     Mean   : 3805   Mean   :1255   Mean   :1140   Mean   :158  
##                     3rd Qu.: 5019   3rd Qu.:1614   3rd Qu.:1485   3rd Qu.:217  
##                     Max.   :21198   Max.   :8684   Max.   :8070   Max.   :746  
##                                                                   NA's   :17   
##     P_18A24         P_15A17_M        P_18A24_M        P_15A17_F     
##  Min.   :   0.0   Min.   :  0.00   Min.   :   0.0   Min.   :  0.00  
##  1st Qu.: 209.0   1st Qu.: 38.00   1st Qu.: 106.0   1st Qu.: 36.75  
##  Median : 358.0   Median : 69.00   Median : 182.0   Median : 66.00  
##  Mean   : 408.3   Mean   : 80.75   Mean   : 206.5   Mean   : 77.81  
##  3rd Qu.: 547.0   3rd Qu.:112.00   3rd Qu.: 279.0   3rd Qu.:107.00  
##  Max.   :1906.0   Max.   :385.00   Max.   :1538.0   Max.   :383.00  
##  NA's   :14       NA's   :27       NA's   :21       NA's   :25      
##    P_18A24_F          PNACOE          P15YM_AN         P15A17A     
##  Min.   :   0.0   Min.   :   0.0   Min.   :  0.00   Min.   :  0.0  
##  1st Qu.: 103.0   1st Qu.: 358.0   1st Qu.: 13.00   1st Qu.: 63.5  
##  Median : 178.0   Median : 575.0   Median : 32.00   Median :112.0  
##  Mean   : 202.4   Mean   : 694.2   Mean   : 45.89   Mean   :127.8  
##  3rd Qu.: 272.0   3rd Qu.: 920.0   3rd Qu.: 65.00   3rd Qu.:174.0  
##  Max.   :1006.0   Max.   :4459.0   Max.   :307.00   Max.   :617.0  
##  NA's   :14       NA's   :11       NA's   :110      NA's   :18     
##    P15A17A_F        P15A17A_M         P18A24A         P18A24A_F     
##  Min.   :  0.00   Min.   :  0.00   Min.   :   0.0   Min.   :  0.00  
##  1st Qu.: 31.00   1st Qu.: 32.00   1st Qu.: 105.0   1st Qu.: 53.00  
##  Median : 57.00   Median : 56.00   Median : 168.0   Median : 84.00  
##  Mean   : 64.41   Mean   : 63.96   Mean   : 186.4   Mean   : 93.59  
##  3rd Qu.: 88.00   3rd Qu.: 87.00   3rd Qu.: 241.5   3rd Qu.:121.00  
##  Max.   :317.00   Max.   :304.00   Max.   :1643.0   Max.   :516.00  
##  NA's   :28       NA's   :31       NA's   :18       NA's   :18      
##    P18A24A_M          GRAPROES       GRAPROES_F      GRAPROES_M   
##  Min.   :   0.00   Min.   : 0.00   Min.   : 0.00   Min.   : 0.00  
##  1st Qu.:  51.00   1st Qu.:10.36   1st Qu.:10.22   1st Qu.:10.52  
##  Median :  84.00   Median :11.40   Median :11.20   Median :11.63  
##  Mean   :  93.08   Mean   :11.62   Mean   :11.40   Mean   :11.89  
##  3rd Qu.: 120.00   3rd Qu.:13.16   3rd Qu.:12.84   3rd Qu.:13.49  
##  Max.   :1406.00   Max.   :16.15   Max.   :16.38   Max.   :16.62  
##  NA's   :25        NA's   :10      NA's   :10      NA's   :10     
##       PEA            PEA_F            PEA_M           POCUPADA    
##  Min.   :    0   Min.   :   0.0   Min.   :   0.0   Min.   :    0  
##  1st Qu.: 1178   1st Qu.: 542.2   1st Qu.: 630.2   1st Qu.: 1154  
##  Median : 1886   Median : 854.0   Median :1035.5   Median : 1840  
##  Mean   : 2117   Mean   : 962.6   Mean   :1154.9   Mean   : 2069  
##  3rd Qu.: 2775   3rd Qu.:1254.0   3rd Qu.:1515.0   3rd Qu.: 2710  
##  Max.   :13648   Max.   :6625.0   Max.   :7023.0   Max.   :13335  
##  NA's   :10      NA's   :11       NA's   :11       NA's   :10     
##    POCUPADA_F       POCUPADA_M        PDESOCUP        PDESOCUP_F    
##  Min.   :   0.0   Min.   :   0.0   Min.   :  0.00   Min.   :  0.00  
##  1st Qu.: 534.0   1st Qu.: 613.2   1st Qu.: 25.00   1st Qu.:  9.00  
##  Median : 840.0   Median :1004.0   Median : 43.00   Median : 16.00  
##  Mean   : 944.8   Mean   :1125.0   Mean   : 48.25   Mean   : 18.43  
##  3rd Qu.:1229.5   3rd Qu.:1475.8   3rd Qu.: 65.00   3rd Qu.: 25.00  
##  Max.   :6503.0   Max.   :6832.0   Max.   :313.00   Max.   :122.00  
##  NA's   :11       NA's   :11       NA's   :44       NA's   :112     
##    PDESOCUP_M         TOTHOG        HOGJEF_F          POBHOG     
##  Min.   :  0.00   Min.   :   0   Min.   :   0.0   Min.   :    0  
##  1st Qu.: 15.00   1st Qu.: 651   1st Qu.: 264.0   1st Qu.: 2105  
##  Median : 27.00   Median :1021   Median : 399.0   Median : 3429  
##  Mean   : 30.62   Mean   :1145   Mean   : 458.1   Mean   : 3800  
##  3rd Qu.: 41.00   3rd Qu.:1488   3rd Qu.: 588.0   3rd Qu.: 5015  
##  Max.   :191.00   Max.   :8070   Max.   :3132.0   Max.   :21197  
##  NA's   :71       NA's   :11     NA's   :16       NA's   :10     
##    PHOGJEF_F        TVIVPARHAB     VIVPAR_DES       PRO_OCUP_C    
##  Min.   :   0.0   Min.   :   0   Min.   :  0.00   Min.   :0.0000  
##  1st Qu.: 789.2   1st Qu.: 651   1st Qu.: 36.50   1st Qu.:0.6400  
##  Median :1267.0   Median :1021   Median : 64.00   Median :0.8200  
##  Mean   :1417.2   Mean   :1145   Mean   : 85.53   Mean   :0.8042  
##  3rd Qu.:1888.2   3rd Qu.:1488   3rd Qu.:107.00   3rd Qu.:0.9450  
##  Max.   :7481.0   Max.   :8070   Max.   :754.00   Max.   :3.0000  
##  NA's   :11       NA's   :11     NA's   :18       NA's   :10      
##    VPH_INTER         PSINDER       VPH_PISOTI        VPH_S_ELEC     
##  Min.   :   0.0   Min.   :   0   Min.   :  0.000   Min.   : 0.0000  
##  1st Qu.: 500.0   1st Qu.: 514   1st Qu.:  0.000   1st Qu.: 0.0000  
##  Median : 758.0   Median : 889   Median :  4.000   Median : 0.0000  
##  Mean   : 870.7   Mean   :1038   Mean   :  7.474   Mean   : 0.3171  
##  3rd Qu.:1090.8   3rd Qu.:1392   3rd Qu.:  9.000   3rd Qu.: 0.0000  
##  Max.   :7512.0   Max.   :4713   Max.   :147.000   Max.   :22.0000  
##  NA's   :15       NA's   :14     NA's   :582       NA's   :675      
##    VPH_AGUAFV       VPH_NODREN       pop_15_24       pop_15_24_H    
##  Min.   :   0.0   Min.   : 0.000   Min.   :   0.0   Min.   :   0.0  
##  1st Qu.:   0.0   1st Qu.: 0.000   1st Qu.: 288.0   1st Qu.: 147.0  
##  Median :   0.0   Median : 0.000   Median : 494.5   Median : 251.0  
##  Mean   :  10.9   Mean   : 1.458   Mean   : 567.7   Mean   : 288.5  
##  3rd Qu.:   0.0   3rd Qu.: 0.000   3rd Qu.: 765.0   3rd Qu.: 390.5  
##  Max.   :1236.0   Max.   :79.000   Max.   :2627.0   Max.   :1632.0  
##  NA's   :599      NA's   :537      NA's   :21       NA's   :34      
##  Robo_Vehículos      Amenzas           Fraude         Robo_Objetos   
##  Min.   : 1.000   Min.   : 1.000   Min.   :  1.000   Min.   : 1.000  
##  1st Qu.: 1.000   1st Qu.: 2.000   1st Qu.:  1.000   1st Qu.: 1.000  
##  Median : 2.000   Median : 3.000   Median :  2.000   Median : 2.000  
##  Mean   : 3.049   Mean   : 3.875   Mean   :  4.013   Mean   : 3.187  
##  3rd Qu.: 4.000   3rd Qu.: 5.000   3rd Qu.:  4.000   3rd Qu.: 4.000  
##  Max.   :39.000   Max.   :24.000   Max.   :130.000   Max.   :47.000  
##  NA's   :586      NA's   :364      NA's   :644       NA's   :783     
##  Robo_Objetos_Vehiculo Robo_Transeunte  Robo_Accesorios_Autos
##  Min.   : 1.000        Min.   : 1.000   Min.   : 1.000       
##  1st Qu.: 1.000        1st Qu.: 1.000   1st Qu.: 1.000       
##  Median : 1.000        Median : 2.000   Median : 2.000       
##  Mean   : 2.347        Mean   : 2.986   Mean   : 3.059       
##  3rd Qu.: 3.000        3rd Qu.: 4.000   3rd Qu.: 3.000       
##  Max.   :31.000        Max.   :27.000   Max.   :39.000       
##  NA's   :1200          NA's   :721      NA's   :1065         
##  Robo_Negocio_Sin_Violencia_Autoservicio Robo_Negocio_Sin_Violencia
##  Min.   :  1.0                           Min.   : 1.000            
##  1st Qu.:  1.0                           1st Qu.: 1.000            
##  Median :  2.0                           Median : 2.000            
##  Mean   :  7.5                           Mean   : 2.781            
##  3rd Qu.:  5.0                           3rd Qu.: 3.000            
##  Max.   :269.0                           Max.   :49.000            
##  NA's   :1899                            NA's   :1430              
##   Narcomenudeo     Robo_Casa_Sin_Violencia  Postes_Wifi    
##  Min.   :  1.000   Min.   :1.000           Min.   : 1.000  
##  1st Qu.:  1.000   1st Qu.:1.000           1st Qu.: 3.000  
##  Median :  1.000   Median :1.000           Median : 5.000  
##  Mean   :  2.744   Mean   :1.704           Mean   : 5.989  
##  3rd Qu.:  3.000   3rd Qu.:2.000           3rd Qu.: 8.000  
##  Max.   :114.000   Max.   :9.000           Max.   :27.000  
##  NA's   :1380      NA's   :1164            NA's   :118

LIMPIEZA

En relación a las variables que indican el grado de desarrollo urbano:

vph_inter (internet), psinder (no afiliación serv. salud), vph_pisoti (piso tierra), vph_s_elec (no electricidad), vph_aguafv (no agua potable), vph_nodren (no drenaje)

al observar alta presencia de NA’s y 0’s en las últimas cuatro variables, se concluye que al ser un análisis en la CDMX tienen poca o nula variabilidad pues, aunque si existen zonas marginadas, estas no son relevantes para nuestro análisis. Por esta razón se eliminarán.

Por otro lado, las variables de servicios de internet y afiliación a servicios de salud, consideramos que sí podría existir cierto grado de relación con respecto al robo de vehículos.

Durante nuestra etapa de modelado, descubrimos que existen 17 AGEBS con POBTOT = 0 y que esto se replica en todas las variables relacionadas a población. Al revisar la variable objetivo de estas observaciones, nos percatamos que se tienen varios registros con NA, veamos:

## # A tibble: 17 x 39
##    POBTOT P_15A17 P_18A24 P_15A17_M P_18A24_M P_15A17_F P_18A24_F PNACOE
##     <dbl>   <dbl>   <dbl>     <dbl>     <dbl>     <dbl>     <dbl>  <dbl>
##  1      0       0       0         0         0         0         0      0
##  2      0       0       0         0         0         0         0      0
##  3      0       0       0         0         0         0         0      0
##  4      0       0       0         0         0         0         0      0
##  5      0       0       0         0         0         0         0      0
##  6      0       0       0         0         0         0         0      0
##  7      0       0       0         0         0         0         0      0
##  8      0       0       0         0         0         0         0      0
##  9      0       0       0         0         0         0         0      0
## 10      0       0       0         0         0         0         0      0
## 11      0       0       0         0         0         0         0      0
## 12      0       0       0         0         0         0         0      0
## 13      0       0       0         0         0         0         0      0
## 14      0       0       0         0         0         0         0      0
## 15      0       0       0         0         0         0         0      0
## 16      0       0       0         0         0         0         0      0
## 17      0       0       0         0         0         0         0      0
## # ... with 31 more variables: P15YM_AN <dbl>, P15A17A <dbl>, P15A17A_F <dbl>,
## #   P15A17A_M <dbl>, P18A24A <dbl>, P18A24A_F <dbl>, P18A24A_M <dbl>,
## #   PEA <dbl>, PEA_F <dbl>, PEA_M <dbl>, POCUPADA <dbl>, POCUPADA_F <dbl>,
## #   POCUPADA_M <dbl>, PDESOCUP <dbl>, PDESOCUP_F <dbl>, PDESOCUP_M <dbl>,
## #   POBHOG <dbl>, PHOGJEF_F <dbl>, PRO_OCUP_C <dbl>, PSINDER <dbl>,
## #   pop_15_24 <dbl>, pop_15_24_H <dbl>, Robo_Vehículos <dbl>,
## #   Robo_Objetos <dbl>, Robo_Objetos_Vehiculo <dbl>, Robo_Transeunte <dbl>, ...

por lo que podemos eliminar estos registros al no representar perdida de información siginificativa (17 de +2000)

Con el preprocesamiento anterior, se ejecutaron algunos modelos a nivel AGEB, donde uno de los principales hallazgos es que las observaciones (robo de vehículos) a este nivel son sumamente ralos, lo que dificulta un modelado adecuado.

A este punto, revisamos la información y hemos decidido que la mejor forma de ejecutar nuestro análisis es a un nivel de abstración mayor, por lo que evaluaremos nuestros modelos a nivel municipio-localidad, el cuál agrupa un conjunto de AGEBS que consideramos nos puede dar una mejor resultado.

Otro de los aspectos importantes a considerar es la recomendación de nuestro profesor sobre no estandarizar nuestras variables.

Ahora revisamos nuestros datos posterior al proceso de limpieza.

## Rows: 2,380
## Columns: 52
## $ robo_vehículos                          <dbl> 3, 8, 4, 7, 0, 1, 2, 0, 1, 0, ~
## $ cvegeo                                  <chr> "0901000011716", "090100001215~
## $ id_mun_loc                              <chr> "0100001", "0100001", "0100001~
## $ cve_ent_x                               <chr> "09", "09", "09", "09", "09", ~
## $ cve_mun_x                               <chr> "010", "010", "010", "010", "0~
## $ cve_loc_x                               <chr> "0001", "0001", "0001", "0001"~
## $ cve_ageb_x                              <chr> "1716", "2150", "1133", "1307"~
## $ geometry                                <chr> "POLYGON ((-11049441.68989537 ~
## $ nom_mun                                 <fct> alvaro_obregon, alvaro_obregon~
## $ pobtot                                  <dbl> 7042, 4588, 2203, 2914, 237, 4~
## $ vivtot                                  <dbl> 1897, 1755, 857, 967, 78, 1181~
## $ tvivhab                                 <dbl> 1859, 1612, 769, 855, 68, 1140~
## $ p15ym_an                                <dbl> 167, 45, 7, 14, 0, 72, 14, 0, ~
## $ p15a24a                                 <dbl> 520, 354, 172, 268, 22, 349, 1~
## $ p15a24a_f                               <dbl> 249, 177, 87, 125, 11, 175, 67~
## $ p15a24a_m                               <dbl> 271, 177, 85, 143, 11, 174, 86~
## $ p_15a24                                 <dbl> 1162, 596, 249, 428, 28, 677, ~
## $ p_15a24_f                               <dbl> 545, 285, 129, 246, 17, 335, 1~
## $ p_15a24_m                               <dbl> 617, 311, 120, 182, 11, 342, 1~
## $ pnacoe                                  <dbl> 1420, 672, 473, 657, 53, 588, ~
## $ graproes                                <dbl> 9.34, 12.29, 14.95, 14.29, 13.~
## $ graproes_f                              <dbl> 9.22, 12.02, 14.26, 13.49, 12.~
## $ graproes_m                              <dbl> 9.47, 12.60, 15.83, 15.35, 15.~
## $ pea                                     <dbl> 4117, 2610, 1371, 1722, 127, 2~
## $ pea_f                                   <dbl> 1844, 1214, 713, 878, 66, 1115~
## $ pea_m                                   <dbl> 2273, 1396, 658, 844, 61, 1344~
## $ pocupada                                <dbl> 4059, 2517, 1348, 1702, 127, 2~
## $ pocupada_f                              <dbl> 1825, 1184, 697, 869, 66, 1100~
## $ pocupada_m                              <dbl> 2234, 1333, 651, 833, 61, 1311~
## $ pdesocup                                <dbl> 58, 93, 23, 20, 0, 48, 16, 0, ~
## $ pdesocup_f                              <dbl> 19, 30, 16, 9, 0, 15, 5, 0, 51~
## $ pdesocup_m                              <dbl> 39, 63, 7, 11, 0, 33, 11, 0, 8~
## $ tothog                                  <dbl> 1859, 1611, 767, 853, 68, 1139~
## $ hogjef_f                                <dbl> 812, 756, 322, 249, 14, 462, 2~
## $ pobhog                                  <dbl> 7042, 4584, 2119, 2896, 237, 4~
## $ phogjef_f                               <dbl> 2975, 1996, 761, 678, 39, 1757~
## $ tvivparhab                              <dbl> 1859, 1611, 767, 853, 68, 1139~
## $ vivpar_des                              <dbl> 33, 107, 61, 62, 5, 34, 59, 0,~
## $ pro_ocup_c                              <dbl> 1.03, 0.73, 0.50, 0.53, 0.54, ~
## $ vph_inter                               <dbl> 1181, 1290, 733, 831, 64, 851,~
## $ psinder                                 <dbl> 2016, 1120, 485, 544, 78, 1215~
## $ amenzas                                 <dbl> 2, 9, 1, 2, 0, 1, 0, 0, 4, 1, ~
## $ fraude                                  <dbl> 1, 3, 5, 5, 3, 2, 0, 0, 4, 1, ~
## $ robo_objetos                            <dbl> 1, 0, 7, 6, 0, 2, 0, 0, 2, 0, ~
## $ robo_objetos_vehiculo                   <dbl> 0, 0, 4, 3, 0, 1, 0, 0, 2, 3, ~
## $ robo_transeunte                         <dbl> 2, 1, 9, 4, 0, 1, 0, 0, 2, 1, ~
## $ robo_accesorios_autos                   <dbl> 1, 4, 6, 6, 0, 1, 0, 0, 4, 1, ~
## $ robo_negocio_sin_violencia_autoservicio <dbl> 0, 0, 4, 0, 1, 2, 0, 0, 0, 1, ~
## $ robo_negocio_sin_violencia              <dbl> 0, 0, 8, 1, 1, 2, 0, 0, 0, 1, ~
## $ narcomenudeo                            <dbl> 1, 1, 0, 0, 0, 0, 1, 0, 1, 2, ~
## $ robo_casa_sin_violencia                 <dbl> 2, 0, 1, 3, 1, 0, 0, 0, 4, 1, ~
## $ postes_wifi                             <dbl> 7, 7, 9, 6, 1, 5, 2, 2, 4, 2, ~
##  [1] "robo_vehículos"                         
##  [2] "cvegeo"                                 
##  [3] "id_mun_loc"                             
##  [4] "cve_ent_x"                              
##  [5] "cve_mun_x"                              
##  [6] "cve_loc_x"                              
##  [7] "cve_ageb_x"                             
##  [8] "geometry"                               
##  [9] "nom_mun"                                
## [10] "pobtot"                                 
## [11] "vivtot"                                 
## [12] "tvivhab"                                
## [13] "p15ym_an"                               
## [14] "p15a24a"                                
## [15] "p15a24a_f"                              
## [16] "p15a24a_m"                              
## [17] "p_15a24"                                
## [18] "p_15a24_f"                              
## [19] "p_15a24_m"                              
## [20] "pnacoe"                                 
## [21] "graproes"                               
## [22] "graproes_f"                             
## [23] "graproes_m"                             
## [24] "pea"                                    
## [25] "pea_f"                                  
## [26] "pea_m"                                  
## [27] "pocupada"                               
## [28] "pocupada_f"                             
## [29] "pocupada_m"                             
## [30] "pdesocup"                               
## [31] "pdesocup_f"                             
## [32] "pdesocup_m"                             
## [33] "tothog"                                 
## [34] "hogjef_f"                               
## [35] "pobhog"                                 
## [36] "phogjef_f"                              
## [37] "tvivparhab"                             
## [38] "vivpar_des"                             
## [39] "pro_ocup_c"                             
## [40] "vph_inter"                              
## [41] "psinder"                                
## [42] "amenzas"                                
## [43] "fraude"                                 
## [44] "robo_objetos"                           
## [45] "robo_objetos_vehiculo"                  
## [46] "robo_transeunte"                        
## [47] "robo_accesorios_autos"                  
## [48] "robo_negocio_sin_violencia_autoservicio"
## [49] "robo_negocio_sin_violencia"             
## [50] "narcomenudeo"                           
## [51] "robo_casa_sin_violencia"                
## [52] "postes_wifi"

Imputación NA’s Mediana en columnas numéricas distintas a matches(“^robo”)

## Note: Using an external vector in selections is ambiguous.
## i Use `all_of(var_numericas)` instead of `var_numericas` to silence this message.
## i See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.
## This message is displayed once per session.
## Warning: `funs()` was deprecated in dplyr 0.8.0.
## Please use a list of either functions or lambdas: 
## 
##   # Simple named list: 
##   list(mean = mean, median = median)
## 
##   # Auto named with `tibble::lst()`: 
##   tibble::lst(mean, median)
## 
##   # Using lambdas
##   list(~ mean(., trim = .2), ~ median(., na.rm = TRUE))
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was generated.
## Note: Using an external vector in selections is ambiguous.
## i Use `all_of(var_categoricas)` instead of `var_categoricas` to silence this message.
## i See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.
## This message is displayed once per session.
##  robo_vehículos      cvegeo           id_mun_loc         cve_ent_x        
##  Min.   : 0.000   Length:2380        Length:2380        Length:2380       
##  1st Qu.: 1.000   Class :character   Class :character   Class :character  
##  Median : 2.000   Mode  :character   Mode  :character   Mode  :character  
##  Mean   : 2.313                                                           
##  3rd Qu.: 3.000                                                           
##  Max.   :39.000                                                           
##                                                                           
##   cve_mun_x          cve_loc_x          cve_ageb_x          geometry        
##  Length:2380        Length:2380        Length:2380        Length:2380       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##              nom_mun        pobtot          vivtot          tvivhab    
##  iztapalapa      :451   Min.   :    1   Min.   :   0.0   Min.   :   0  
##  gustavo_a_madero:302   1st Qu.: 2134   1st Qu.: 725.8   1st Qu.: 654  
##  tlalpan         :196   Median : 3454   Median :1115.0   Median :1024  
##  alvaro_obregon  :192   Mean   : 3832   Mean   :1263.5   Mean   :1149  
##  coyoacan        :156   3rd Qu.: 5032   3rd Qu.:1616.5   3rd Qu.:1488  
##  cuauhtemoc      :153   Max.   :21198   Max.   :8684.0   Max.   :8070  
##  (Other)         :930                                                  
##     p15ym_an        p15a24a         p15a24a_f       p15a24a_m     
##  Min.   :  0.0   Min.   :   0.0   Min.   :  0.0   Min.   :   0.0  
##  1st Qu.: 11.0   1st Qu.: 170.8   1st Qu.: 86.0   1st Qu.:  85.0  
##  Median : 31.0   Median : 283.0   Median :141.0   Median : 142.0  
##  Mean   : 44.1   Mean   : 314.0   Mean   :157.7   Mean   : 156.4  
##  3rd Qu.: 64.0   3rd Qu.: 414.2   3rd Qu.:209.0   3rd Qu.: 204.0  
##  Max.   :307.0   Max.   :1798.0   Max.   :813.0   Max.   :1489.0  
##                                                                   
##     p_15a24         p_15a24_f        p_15a24_m          pnacoe      
##  Min.   :   0.0   Min.   :   0.0   Min.   :   0.0   Min.   :   0.0  
##  1st Qu.: 287.0   1st Qu.: 141.0   1st Qu.: 145.0   1st Qu.: 359.0  
##  Median : 494.0   Median : 243.5   Median : 249.0   Median : 576.0  
##  Mean   : 566.8   Mean   : 280.2   Mean   : 286.5   Mean   : 696.0  
##  3rd Qu.: 764.2   3rd Qu.: 378.2   3rd Qu.: 388.2   3rd Qu.: 922.2  
##  Max.   :2627.0   Max.   :1389.0   Max.   :1632.0   Max.   :4459.0  
##                                                                     
##     graproes       graproes_f      graproes_m         pea            pea_f     
##  Min.   : 0.00   Min.   : 0.00   Min.   : 0.00   Min.   :    0   Min.   :   0  
##  1st Qu.:10.39   1st Qu.:10.25   1st Qu.:10.54   1st Qu.: 1190   1st Qu.: 545  
##  Median :11.42   Median :11.22   Median :11.65   Median : 1888   Median : 856  
##  Mean   :11.71   Mean   :11.48   Mean   :11.98   Mean   : 2123   Mean   : 965  
##  3rd Qu.:13.17   3rd Qu.:12.84   3rd Qu.:13.49   3rd Qu.: 2776   3rd Qu.:1258  
##  Max.   :16.15   Max.   :16.38   Max.   :16.62   Max.   :13648   Max.   :6625  
##                                                                                
##      pea_m           pocupada       pocupada_f       pocupada_m  
##  Min.   :   0.0   Min.   :    0   Min.   :   0.0   Min.   :   0  
##  1st Qu.: 633.8   1st Qu.: 1158   1st Qu.: 536.5   1st Qu.: 617  
##  Median :1037.5   Median : 1842   Median : 841.0   Median :1006  
##  Mean   :1157.8   Mean   : 2075   Mean   : 947.2   Mean   :1128  
##  3rd Qu.:1516.2   3rd Qu.: 2714   3rd Qu.:1231.2   3rd Qu.:1476  
##  Max.   :7023.0   Max.   :13335   Max.   :6503.0   Max.   :6832  
##                                                                  
##     pdesocup        pdesocup_f       pdesocup_m         tothog      
##  Min.   :  0.00   Min.   :  0.00   Min.   :  0.00   Min.   :   0.0  
##  1st Qu.: 24.00   1st Qu.:  9.00   1st Qu.: 15.00   1st Qu.: 653.8  
##  Median : 42.00   Median : 15.00   Median : 27.00   Median :1023.0  
##  Mean   : 47.71   Mean   : 17.69   Mean   : 29.93   Mean   :1148.2  
##  3rd Qu.: 65.00   3rd Qu.: 24.00   3rd Qu.: 41.00   3rd Qu.:1488.2  
##  Max.   :313.00   Max.   :122.00   Max.   :191.00   Max.   :8070.0  
##                                                                     
##     hogjef_f          pobhog        phogjef_f        tvivparhab    
##  Min.   :   0.0   Min.   :    0   Min.   :   0.0   Min.   :   0.0  
##  1st Qu.: 264.8   1st Qu.: 2119   1st Qu.: 792.5   1st Qu.: 653.8  
##  Median : 399.0   Median : 3436   Median :1269.0   Median :1023.0  
##  Mean   : 458.3   Mean   : 3811   Mean   :1420.8   Mean   :1148.2  
##  3rd Qu.: 588.0   3rd Qu.: 5020   3rd Qu.:1891.0   3rd Qu.:1488.2  
##  Max.   :3132.0   Max.   :21197   Max.   :7481.0   Max.   :8070.0  
##                                                                    
##    vivpar_des       pro_ocup_c     vph_inter         psinder    
##  Min.   :  0.00   Min.   :0.00   Min.   :   0.0   Min.   :   0  
##  1st Qu.: 36.00   1st Qu.:0.64   1st Qu.: 509.0   1st Qu.: 515  
##  Median : 64.00   Median :0.82   Median : 767.0   Median : 890  
##  Mean   : 85.49   Mean   :0.81   Mean   : 876.3   Mean   :1039  
##  3rd Qu.:107.00   3rd Qu.:0.95   3rd Qu.:1091.2   3rd Qu.:1394  
##  Max.   :754.00   Max.   :3.00   Max.   :7512.0   Max.   :4713  
##                                                                 
##     amenzas           fraude         robo_objetos    robo_objetos_vehiculo
##  Min.   : 0.000   Min.   :  0.000   Min.   : 0.000   Min.   : 0.000       
##  1st Qu.: 1.000   1st Qu.:  0.000   1st Qu.: 0.000   1st Qu.: 0.000       
##  Median : 3.000   Median :  1.000   Median : 1.000   Median : 1.000       
##  Mean   : 3.303   Mean   :  2.936   Mean   : 2.133   Mean   : 1.173       
##  3rd Qu.: 5.000   3rd Qu.:  3.000   3rd Qu.: 3.000   3rd Qu.: 1.000       
##  Max.   :24.000   Max.   :130.000   Max.   :47.000   Max.   :31.000       
##                                                                           
##  robo_transeunte  robo_accesorios_autos robo_negocio_sin_violencia_autoservicio
##  Min.   : 0.000   Min.   : 0.000        Min.   :  0.000                        
##  1st Qu.: 0.000   1st Qu.: 0.000        1st Qu.:  0.000                        
##  Median : 1.000   Median : 1.000        Median :  0.000                        
##  Mean   : 2.095   Mean   : 1.708        Mean   :  1.522                        
##  3rd Qu.: 3.000   3rd Qu.: 2.000        3rd Qu.:  0.000                        
##  Max.   :27.000   Max.   :39.000        Max.   :269.000                        
##                                                                                
##  robo_negocio_sin_violencia  narcomenudeo     robo_casa_sin_violencia
##  Min.   : 0.000             Min.   :  0.000   Min.   :0.0000         
##  1st Qu.: 0.000             1st Qu.:  0.000   1st Qu.:0.0000         
##  Median : 0.000             Median :  0.000   Median :1.0000         
##  Mean   : 1.125             Mean   :  1.166   Mean   :0.8828         
##  3rd Qu.: 1.000             3rd Qu.:  1.000   3rd Qu.:1.0000         
##  Max.   :49.000             Max.   :114.000   Max.   :9.0000         
##                                                                      
##   postes_wifi    
##  Min.   : 0.000  
##  1st Qu.: 3.000  
##  Median : 5.000  
##  Mean   : 5.708  
##  3rd Qu.: 8.000  
##  Max.   :27.000  
## 

TRANSFORMACIONES EXPERT DOMAIN

Variables Dummy e integración variable presencia de bandas delincuenciales

Integramos información relativa a las bandas que operan en las distintas alcaldías, con el objetivo de analizar el grado de influencia que representa la presencia de alguno de estos grupos delicitivos en la zona. Fuente:

https://www.elfinanciero.com.mx/nacional/40-bandas-se-disputan-la-cdmx/

##  [1] alvaro_obregon         azcapotzalco           benito_juarez         
##  [4] coyoacan               cuajimalpa_de_morelos  cuauhtemoc            
##  [7] gustavo_a_madero       iztacalco              iztapalapa            
## [10] la_magdalena_contreras miguel_hidalgo         milpa_alta            
## [13] tlahuac                tlalpan                venustiano_carranza   
## [16] xochimilco            
## 16 Levels: alvaro_obregon azcapotzalco benito_juarez ... xochimilco

LISTADO DE NOMBRE DE DELEGACIONES

“alvaro_obregon”, “azcapotzalco”, “benito_juarez”, “coyoacan”, “cuajimalpa_de_morelos”, “cuauhtemoc”, “gustavo_a_madero”, “iztacalco”, “iztapalapa”, “la_magdalena_contreras”, “miguel_hidalgo”, “milpa_alta”, “tlahuac”, “tlalpan”, “venustiano_carranza”, “xochimilco”

Bandas

Nota para nosotros: si tenemos oportunidad, creamos una tabla relacional y creamos una sóla variable de grupo delicuencial y utilizamos la variable dummy d tidymodels

VARIABLES ASOCIADAS -> DELITOS

De forma intuitiva, podríamos pensar en agrupar las distintas variables de los delitos más representativos que tenemos por AGEB. Por esta razón, creamos dos variables que agrupan los siguientes delitos:

VARIABLES ASOCIADAS -> POBLACIÓN Y VARIABLES RELATIVAS

La variable población total “pobtot” nos permite estimar las tasas al millar de las siguientes variables:

“psinder” población sin afiliación a servicios médicos. “p15ym_an” población analfabeta “pnacoe” población nacida en otra entidad

VARIABLES ASOCIADAS -> ESCOLARIDAD

Población 15 - 24 años: “p_15a24”, “p_15a24_f”, “p_15a24_m” Población 15 - 24 años que asiste a la escuela: “p15a24a”, “p15a24a_f”, “p15a24a_m” Grado promedio de escolaridad: “graproes”, “graproes_f”, “graproes_m”

Una de las hipótesis más fuertes que tenemos, a partir del conocimiento del experto, es que este tipo delitos son cometidos por personas entre los 15 y 24 años de edad, por lo que se construyen dos variables.

tasa al millar de población 15-24 (utilizando POBTOT), tasa al millar de población 15-24 que asiste a la escuela, grado promedio de escolaridad de la población 15-130 AÑOS

con el objetivo de determinar si estas variables son relevantes en nuestro análisis.

Se tiene valores totales y por género; con el objetivo de mantener un modelo parsimonioso, se integran las variables generales y no por género. En caso requerido solo deberán realizarse los ajustes necesarios.

VARIABLES ASOCIADAS -> POBLACIÓN ACTIVA

POBLACIÓN ECONOMICAMENTE ACTIVA: “pea”, “pea_f”, “pea_m” POBLACIÓN OCUPADA: “pocupada”, “pocupada_f”, “pocupada_m” POBLACIÓN DESOCUPADA: “pdesocup”, “pdesocup_f”, “pdesocup_m”

En este caso, la hipótesis es que un alto índice de población económicamente activa (PEA) no está ocupada, por lo que sería probable que se incremente la incidencia de robo vehicular. Desechamos las variables por género (pues consideramos poco significativo su aporte) y de población ocupada (pues es el complemento de desocupada, correlación).

tasa al millar de población PEA desocupada

VARIABLES ASOCIADAS -> HOGARES

Una de las características detectadas en las personas que han cometido algún delito, son los hogares disfuncionales, donde reiterativamente sólo se tiene la figura materna. Intemntaremos medir esto con las variables proporcionadas en el censo referente a hogares censales y hogares censales con persona de referencia mujer (CAVEAT: no tenemos mayor información que nos permita entender la figura exacta de la mujer en esta unidad de análisis, por lo que podría ser que la variable no sea significativa)

“tothog” Total hogares censales “hogjef_f” Total hogares censales persona de referencia mujer “pobhog” Pobblación en hogares censales “phogjef_f” Pobblación en hogares censales persona de referencia mujer

VARIABLES ASOCIADAS -> VIVIENDAS PARTICULARES

La hipotésis aquí indica que en un lugar con alto índice de viviendas desocuodas tiende a incrementar la incidencia delictiva. Nons concentraremos únicamente en la tasa al millar de viviendas deshabitadas (vivtot-tvivhab).

“vivtot” total de viviendas “tvivhab” total de viviendas habitadas “tvivparhab” total de viviendas particulares habitadas “vivpar_des” total de viviendas particulares deshabitadas

Con relación a las siguientes dos variables, intuitivamente consideramos que una alta densidad por cuarto de vivienda así como la falta de acceso a internet puede estar relacionado con niveles altos de marginación de la población. Para evitar problemas de escalas, relativisamos “vph_inter” con respecto a viviendas particulares habitadas

“pro_ocup_c” promedio de ocupantes por cuarto en viviendas particulares ocupadas “vph_inter” viviendas particulares que disponen de internet

VARIABLES RELATIVAS

Una de las principales anotaciones que debemos considerar, es el hecho de que nuestra variable objetivo, robo_vehículos que indica el número de vehículos robados en la AGEB durante el año de análisis, es sumamente rala, se concentra prácticamente todos los valores en 0 y 1 como podremos observar en el siguiente histograma:

Por lo anterior, consideramos que esta variable debe ser relativa a la población observada en la AGEB, por lo que obtendremos una tasa de robo de vehiculos por cada 1,000 habitantes en la AGEB. Debemos recordar y discutir esta relación, pues un alto índice de la población carece de automóvil, por lo que sería más razonable contar con una variable que indique el número de vehículos por AGEB o la variable complementaria de número de vehículos por cada 1,000 habitantes.

Transformamos la variable obetivo:

En este caso, algo en que no habíamos reparado previamente, era la alta incidencia de AGEBS con poca o nula población (derivado de posibles errores en la estimación elaborado por CENSO o simplemente por ser una zona altamente despoblada). Esto implicó tener que repensar cómo plantear nuestro modelo.

Nuestro siguiente approach, lo definimos considerando una conclusión relevante en conjunto con nuestro profesor Felipe González, al tener muy poca varianza la variable respuesta (prácticamente se concentra en 0 y 1, ver Fig. 3), hemos decidido construir un análisis de clasificación binaria con presencia de robo de vehículos = Yes y sin robo de vehículos = No.

Transformar variable respuesta a factor binario:

##  robo_vehicular  tasa_rob_veh      robo_vehículos      cvegeo         
##  No : 576       Min.   :  0.0000   Min.   : 0.000   Length:2380       
##  Yes:1804       1st Qu.:  0.1259   1st Qu.: 1.000   Class :character  
##                 Median :  0.4640   Median : 2.000   Mode  :character  
##                 Mean   :  1.7277   Mean   : 2.313                     
##                 3rd Qu.:  0.9393   3rd Qu.: 3.000                     
##                 Max.   :500.0000   Max.   :39.000                     
##                                                                       
##   id_mun_loc         cve_ent_x          cve_mun_x          cve_loc_x        
##  Length:2380        Length:2380        Length:2380        Length:2380       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##   cve_ageb_x          geometry                     nom_mun     tx1k_psinder   
##  Length:2380        Length:2380        iztapalapa      :451   Min.   :   0.0  
##  Class :character   Class :character   gustavo_a_madero:302   1st Qu.: 220.9  
##  Mode  :character   Mode  :character   tlalpan         :196   Median : 261.5  
##                                        alvaro_obregon  :192   Mean   : 264.7  
##                                        coyoacan        :156   3rd Qu.: 306.5  
##                                        cuauhtemoc      :153   Max.   :1000.0  
##                                        (Other)         :930                   
##  tx1k_p15ym_an      tx1k_pnacoe     tx1k_p_15a24    tx1k_p15a24a   
##  Min.   :  0.000   Min.   :  0.0   Min.   :  0.0   Min.   :   0.0  
##  1st Qu.:  4.642   1st Qu.:147.0   1st Qu.:127.1   1st Qu.: 507.2  
##  Median :  9.249   Median :175.9   Median :146.2   Median : 569.2  
##  Mean   : 10.592   Mean   :183.7   Mean   :143.6   Mean   : 577.2  
##  3rd Qu.: 14.649   3rd Qu.:210.0   3rd Qu.:162.7   3rd Qu.: 653.0  
##  Max.   :181.818   Max.   :854.5   Max.   :910.3   Max.   :1000.0  
##                                                    NA's   :15      
##     graproes     tx1k_pea_pdesocup tx1k_hogjef_f   tx1k_phogjef_f 
##  Min.   : 0.00   Min.   :  0.00    Min.   :  0.0   Min.   :  0.0  
##  1st Qu.:10.39   1st Qu.: 16.94    1st Qu.:363.6   1st Qu.:337.8  
##  Median :11.42   Median : 22.27    Median :402.2   Median :378.4  
##  Mean   :11.71   Mean   : 22.69    Mean   :398.6   Mean   :375.8  
##  3rd Qu.:13.17   3rd Qu.: 27.89    3rd Qu.:435.5   3rd Qu.:414.0  
##  Max.   :16.15   Max.   :151.52    Max.   :626.1   Max.   :649.9  
##                  NA's   :11        NA's   :13      NA's   :12     
##   tx1k_vivdes     tx1k_vph_inter    pro_ocup_c       pobtot     
##  Min.   :  0.00   Min.   :  0.0   Min.   :0.00   Min.   :    1  
##  1st Qu.: 56.03   1st Qu.:681.6   1st Qu.:0.64   1st Qu.: 2134  
##  Median : 81.16   Median :756.7   Median :0.82   Median : 3454  
##  Mean   : 91.90   Mean   :  Inf   Mean   :0.81   Mean   : 3832  
##  3rd Qu.:112.98   3rd Qu.:856.6   3rd Qu.:0.95   3rd Qu.: 5032  
##  Max.   :973.38   Max.   :  Inf   Max.   :3.00   Max.   :21198  
##  NA's   :1        NA's   :2                                     
##   gpo_delitos1      gpo_delitos2     postes_wifi      union_tepito   
##  Min.   :  0.000   Min.   :  0.00   Min.   : 0.000   Min.   :0.0000  
##  1st Qu.:  3.000   1st Qu.:  3.00   1st Qu.: 3.000   1st Qu.:0.0000  
##  Median :  5.000   Median :  6.00   Median : 5.000   Median :1.0000  
##  Mean   :  7.405   Mean   : 10.64   Mean   : 5.708   Mean   :0.6878  
##  3rd Qu.:  9.000   3rd Qu.: 12.00   3rd Qu.: 8.000   3rd Qu.:1.0000  
##  Max.   :145.000   Max.   :392.00   Max.   :27.000   Max.   :1.0000  
##                                                                      
##       cjng        cartel_de_tlahuac lenin_canchola   anti_union_tepito
##  Min.   :0.0000   Min.   :0.0000    Min.   :0.0000   Min.   :0.0000   
##  1st Qu.:0.0000   1st Qu.:0.0000    1st Qu.:0.0000   1st Qu.:0.0000   
##  Median :1.0000   Median :0.0000    Median :0.0000   Median :0.0000   
##  Mean   :0.5996   Mean   :0.4622    Mean   :0.2803   Mean   :0.2958   
##  3rd Qu.:1.0000   3rd Qu.:1.0000    3rd Qu.:1.0000   3rd Qu.:1.0000   
##  Max.   :1.0000   Max.   :1.0000    Max.   :1.0000   Max.   :1.0000   
##                                                                       
##     rodolfos     
##  Min.   :0.0000  
##  1st Qu.:0.0000  
##  Median :0.0000  
##  Mean   :0.3013  
##  3rd Qu.:1.0000  
##  Max.   :1.0000  
## 
##  [1] "robo_vehicular"    "tasa_rob_veh"      "robo_vehículos"   
##  [4] "cvegeo"            "id_mun_loc"        "cve_ent_x"        
##  [7] "cve_mun_x"         "cve_loc_x"         "cve_ageb_x"       
## [10] "geometry"          "nom_mun"           "tx1k_psinder"     
## [13] "tx1k_p15ym_an"     "tx1k_pnacoe"       "tx1k_p_15a24"     
## [16] "tx1k_p15a24a"      "graproes"          "tx1k_pea_pdesocup"
## [19] "tx1k_hogjef_f"     "tx1k_phogjef_f"    "tx1k_vivdes"      
## [22] "tx1k_vph_inter"    "pro_ocup_c"        "pobtot"           
## [25] "gpo_delitos1"      "gpo_delitos2"      "postes_wifi"      
## [28] "union_tepito"      "cjng"              "cartel_de_tlahuac"
## [31] "lenin_canchola"    "anti_union_tepito" "rodolfos"

Lo primero que destacamos es que la gran mayoría de nuestras variables ya están en rangos adecuados para poder procesarlas.

Por otro lado, observemos que algunas de nuestras variables tienen presencia de Inf y NA’s que en realidad corresponden a NaN´s ocasionado por cocientes en los que nuestro denominador era 0 máqina. Estos resultados no tienen sentido pues en realidad pueden derivarse de falta de informacion recolectada en el censo errores de correspondencia entre variables. Por lo que nuestro siguiente paso será modificar estos valores enviándolos a 0.

Durante el proceso, se observó que la variable “tx1k_vph_inter” contiene tasas al millar >100k, lo cual es completamente inconsistente con la tasa. Tales Valores se imputaran con la mediana: 756.7

##  robo_vehicular  tasa_rob_veh      robo_vehículos      cvegeo         
##  No : 576       Min.   :  0.0000   Min.   : 0.000   Length:2380       
##  Yes:1804       1st Qu.:  0.1259   1st Qu.: 1.000   Class :character  
##                 Median :  0.4640   Median : 2.000   Mode  :character  
##                 Mean   :  1.7277   Mean   : 2.313                     
##                 3rd Qu.:  0.9393   3rd Qu.: 3.000                     
##                 Max.   :500.0000   Max.   :39.000                     
##                                                                       
##   id_mun_loc         cve_ent_x          cve_mun_x          cve_loc_x        
##  Length:2380        Length:2380        Length:2380        Length:2380       
##  Class :character   Class :character   Class :character   Class :character  
##  Mode  :character   Mode  :character   Mode  :character   Mode  :character  
##                                                                             
##                                                                             
##                                                                             
##                                                                             
##   cve_ageb_x          geometry                     nom_mun     tx1k_psinder   
##  Length:2380        Length:2380        iztapalapa      :451   Min.   :   0.0  
##  Class :character   Class :character   gustavo_a_madero:302   1st Qu.: 220.9  
##  Mode  :character   Mode  :character   tlalpan         :196   Median : 261.5  
##                                        alvaro_obregon  :192   Mean   : 264.7  
##                                        coyoacan        :156   3rd Qu.: 306.5  
##                                        cuauhtemoc      :153   Max.   :1000.0  
##                                        (Other)         :930                   
##  tx1k_p15ym_an      tx1k_pnacoe     tx1k_p_15a24    tx1k_p15a24a   
##  Min.   :  0.000   Min.   :  0.0   Min.   :  0.0   Min.   :   0.0  
##  1st Qu.:  4.642   1st Qu.:147.0   1st Qu.:127.1   1st Qu.: 506.1  
##  Median :  9.249   Median :175.9   Median :146.2   Median : 568.6  
##  Mean   : 10.592   Mean   :183.7   Mean   :143.6   Mean   : 573.5  
##  3rd Qu.: 14.649   3rd Qu.:210.0   3rd Qu.:162.7   3rd Qu.: 651.9  
##  Max.   :181.818   Max.   :854.5   Max.   :910.3   Max.   :1000.0  
##                                                                    
##     graproes     tx1k_pea_pdesocup tx1k_hogjef_f   tx1k_phogjef_f 
##  Min.   : 0.00   Min.   :  0.00    Min.   :  0.0   Min.   :  0.0  
##  1st Qu.:10.39   1st Qu.: 16.82    1st Qu.:363.2   1st Qu.:337.0  
##  Median :11.42   Median : 22.22    Median :402.0   Median :378.1  
##  Mean   :11.71   Mean   : 22.59    Mean   :396.4   Mean   :373.9  
##  3rd Qu.:13.17   3rd Qu.: 27.85    3rd Qu.:435.4   3rd Qu.:413.7  
##  Max.   :16.15   Max.   :151.52    Max.   :626.1   Max.   :649.9  
##                                                                   
##   tx1k_vivdes     tx1k_vph_inter     pro_ocup_c       pobtot     
##  Min.   :  0.00   Min.   :   0.0   Min.   :0.00   Min.   :    1  
##  1st Qu.: 55.99   1st Qu.: 680.1   1st Qu.:0.64   1st Qu.: 2134  
##  Median : 81.07   Median : 754.5   Median :0.82   Median : 3454  
##  Mean   : 91.86   Mean   : 753.7   Mean   :0.81   Mean   : 3832  
##  3rd Qu.:112.97   3rd Qu.: 854.9   3rd Qu.:0.95   3rd Qu.: 5032  
##  Max.   :973.38   Max.   :1000.0   Max.   :3.00   Max.   :21198  
##                                                                  
##   gpo_delitos1      gpo_delitos2     postes_wifi      union_tepito   
##  Min.   :  0.000   Min.   :  0.00   Min.   : 0.000   Min.   :0.0000  
##  1st Qu.:  3.000   1st Qu.:  3.00   1st Qu.: 3.000   1st Qu.:0.0000  
##  Median :  5.000   Median :  6.00   Median : 5.000   Median :1.0000  
##  Mean   :  7.405   Mean   : 10.64   Mean   : 5.708   Mean   :0.6878  
##  3rd Qu.:  9.000   3rd Qu.: 12.00   3rd Qu.: 8.000   3rd Qu.:1.0000  
##  Max.   :145.000   Max.   :392.00   Max.   :27.000   Max.   :1.0000  
##                                                                      
##       cjng        cartel_de_tlahuac lenin_canchola   anti_union_tepito
##  Min.   :0.0000   Min.   :0.0000    Min.   :0.0000   Min.   :0.0000   
##  1st Qu.:0.0000   1st Qu.:0.0000    1st Qu.:0.0000   1st Qu.:0.0000   
##  Median :1.0000   Median :0.0000    Median :0.0000   Median :0.0000   
##  Mean   :0.5996   Mean   :0.4622    Mean   :0.2803   Mean   :0.2958   
##  3rd Qu.:1.0000   3rd Qu.:1.0000    3rd Qu.:1.0000   3rd Qu.:1.0000   
##  Max.   :1.0000   Max.   :1.0000    Max.   :1.0000   Max.   :1.0000   
##                                                                       
##     rodolfos     
##  Min.   :0.0000  
##  1st Qu.:0.0000  
##  Median :0.0000  
##  Mean   :0.3013  
##  3rd Qu.:1.0000  
##  Max.   :1.0000  
## 
##  [1] "robo_vehicular"    "tasa_rob_veh"      "robo_vehículos"   
##  [4] "cvegeo"            "id_mun_loc"        "cve_ent_x"        
##  [7] "cve_mun_x"         "cve_loc_x"         "cve_ageb_x"       
## [10] "geometry"          "nom_mun"           "tx1k_psinder"     
## [13] "tx1k_p15ym_an"     "tx1k_pnacoe"       "tx1k_p_15a24"     
## [16] "tx1k_p15a24a"      "graproes"          "tx1k_pea_pdesocup"
## [19] "tx1k_hogjef_f"     "tx1k_phogjef_f"    "tx1k_vivdes"      
## [22] "tx1k_vph_inter"    "pro_ocup_c"        "pobtot"           
## [25] "gpo_delitos1"      "gpo_delitos2"      "postes_wifi"      
## [28] "union_tepito"      "cjng"              "cartel_de_tlahuac"
## [31] "lenin_canchola"    "anti_union_tepito" "rodolfos"

GEDA

Análisis bivariado

## $tasa_rob_veh
## $tasa_rob_veh$`tasa_rob_veh explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`robo_vehículos explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_psinder explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_p15ym_an explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_pnacoe explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_p_15a24 explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_p15a24a explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`graproes explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_pea_pdesocup explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_hogjef_f explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_phogjef_f explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_vivdes explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_vph_inter explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`pro_ocup_c explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`pobtot explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`gpo_delitos1 explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`gpo_delitos2 explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`postes_wifi explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`union_tepito explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`cjng explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`cartel_de_tlahuac explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`lenin_canchola explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`anti_union_tepito explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`rodolfos explicado por tasa_rob_veh`

## 
## 
## $robo_vehículos
## $robo_vehículos$`tasa_rob_veh explicado por robo_vehículos`

## 
## $robo_vehículos$`robo_vehículos explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_psinder explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_p15ym_an explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_pnacoe explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_p_15a24 explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_p15a24a explicado por robo_vehículos`

## 
## $robo_vehículos$`graproes explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_pea_pdesocup explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_hogjef_f explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_phogjef_f explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_vivdes explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_vph_inter explicado por robo_vehículos`

## 
## $robo_vehículos$`pro_ocup_c explicado por robo_vehículos`

## 
## $robo_vehículos$`pobtot explicado por robo_vehículos`

## 
## $robo_vehículos$`gpo_delitos1 explicado por robo_vehículos`

## 
## $robo_vehículos$`gpo_delitos2 explicado por robo_vehículos`

## 
## $robo_vehículos$`postes_wifi explicado por robo_vehículos`

## 
## $robo_vehículos$`union_tepito explicado por robo_vehículos`

## 
## $robo_vehículos$`cjng explicado por robo_vehículos`

## 
## $robo_vehículos$`cartel_de_tlahuac explicado por robo_vehículos`

## 
## $robo_vehículos$`lenin_canchola explicado por robo_vehículos`

## 
## $robo_vehículos$`anti_union_tepito explicado por robo_vehículos`

## 
## $robo_vehículos$`rodolfos explicado por robo_vehículos`

## 
## 
## $tx1k_psinder
## $tx1k_psinder$`tasa_rob_veh explicado por tx1k_psinder`

## 
## $tx1k_psinder$`robo_vehículos explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_psinder explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_p15ym_an explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_pnacoe explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_p_15a24 explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_p15a24a explicado por tx1k_psinder`

## 
## $tx1k_psinder$`graproes explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_pea_pdesocup explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_hogjef_f explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_phogjef_f explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_vivdes explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_vph_inter explicado por tx1k_psinder`

## 
## $tx1k_psinder$`pro_ocup_c explicado por tx1k_psinder`

## 
## $tx1k_psinder$`pobtot explicado por tx1k_psinder`

## 
## $tx1k_psinder$`gpo_delitos1 explicado por tx1k_psinder`

## 
## $tx1k_psinder$`gpo_delitos2 explicado por tx1k_psinder`

## 
## $tx1k_psinder$`postes_wifi explicado por tx1k_psinder`

## 
## $tx1k_psinder$`union_tepito explicado por tx1k_psinder`

## 
## $tx1k_psinder$`cjng explicado por tx1k_psinder`

## 
## $tx1k_psinder$`cartel_de_tlahuac explicado por tx1k_psinder`

## 
## $tx1k_psinder$`lenin_canchola explicado por tx1k_psinder`

## 
## $tx1k_psinder$`anti_union_tepito explicado por tx1k_psinder`

## 
## $tx1k_psinder$`rodolfos explicado por tx1k_psinder`

## 
## 
## $tx1k_p15ym_an
## $tx1k_p15ym_an$`tasa_rob_veh explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`robo_vehículos explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_psinder explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_p15ym_an explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_pnacoe explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_p_15a24 explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_p15a24a explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`graproes explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_pea_pdesocup explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_hogjef_f explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_phogjef_f explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_vivdes explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_vph_inter explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`pro_ocup_c explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`pobtot explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`gpo_delitos1 explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`gpo_delitos2 explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`postes_wifi explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`union_tepito explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`cjng explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`cartel_de_tlahuac explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`lenin_canchola explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`anti_union_tepito explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`rodolfos explicado por tx1k_p15ym_an`

## 
## 
## $tx1k_pnacoe
## $tx1k_pnacoe$`tasa_rob_veh explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`robo_vehículos explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_psinder explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_p15ym_an explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_pnacoe explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_p_15a24 explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_p15a24a explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`graproes explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_pea_pdesocup explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_hogjef_f explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_phogjef_f explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_vivdes explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_vph_inter explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`pro_ocup_c explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`pobtot explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`gpo_delitos1 explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`gpo_delitos2 explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`postes_wifi explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`union_tepito explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`cjng explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`cartel_de_tlahuac explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`lenin_canchola explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`anti_union_tepito explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`rodolfos explicado por tx1k_pnacoe`

## 
## 
## $tx1k_p_15a24
## $tx1k_p_15a24$`tasa_rob_veh explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`robo_vehículos explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_psinder explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_p15ym_an explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_pnacoe explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_p_15a24 explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_p15a24a explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`graproes explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_pea_pdesocup explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_hogjef_f explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_phogjef_f explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_vivdes explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_vph_inter explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`pro_ocup_c explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`pobtot explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`gpo_delitos1 explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`gpo_delitos2 explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`postes_wifi explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`union_tepito explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`cjng explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`cartel_de_tlahuac explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`lenin_canchola explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`anti_union_tepito explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`rodolfos explicado por tx1k_p_15a24`

## 
## 
## $tx1k_p15a24a
## $tx1k_p15a24a$`tasa_rob_veh explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`robo_vehículos explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_psinder explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_p15ym_an explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_pnacoe explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_p_15a24 explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_p15a24a explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`graproes explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_pea_pdesocup explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_hogjef_f explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_phogjef_f explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_vivdes explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_vph_inter explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`pro_ocup_c explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`pobtot explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`gpo_delitos1 explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`gpo_delitos2 explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`postes_wifi explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`union_tepito explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`cjng explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`cartel_de_tlahuac explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`lenin_canchola explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`anti_union_tepito explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`rodolfos explicado por tx1k_p15a24a`

## 
## 
## $graproes
## $graproes$`tasa_rob_veh explicado por graproes`

## 
## $graproes$`robo_vehículos explicado por graproes`

## 
## $graproes$`tx1k_psinder explicado por graproes`

## 
## $graproes$`tx1k_p15ym_an explicado por graproes`

## 
## $graproes$`tx1k_pnacoe explicado por graproes`

## 
## $graproes$`tx1k_p_15a24 explicado por graproes`

## 
## $graproes$`tx1k_p15a24a explicado por graproes`

## 
## $graproes$`graproes explicado por graproes`

## 
## $graproes$`tx1k_pea_pdesocup explicado por graproes`

## 
## $graproes$`tx1k_hogjef_f explicado por graproes`

## 
## $graproes$`tx1k_phogjef_f explicado por graproes`

## 
## $graproes$`tx1k_vivdes explicado por graproes`

## 
## $graproes$`tx1k_vph_inter explicado por graproes`

## 
## $graproes$`pro_ocup_c explicado por graproes`

## 
## $graproes$`pobtot explicado por graproes`

## 
## $graproes$`gpo_delitos1 explicado por graproes`

## 
## $graproes$`gpo_delitos2 explicado por graproes`

## 
## $graproes$`postes_wifi explicado por graproes`

## 
## $graproes$`union_tepito explicado por graproes`

## 
## $graproes$`cjng explicado por graproes`

## 
## $graproes$`cartel_de_tlahuac explicado por graproes`

## 
## $graproes$`lenin_canchola explicado por graproes`

## 
## $graproes$`anti_union_tepito explicado por graproes`

## 
## $graproes$`rodolfos explicado por graproes`

## 
## 
## $tx1k_pea_pdesocup
## $tx1k_pea_pdesocup$`tasa_rob_veh explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`robo_vehículos explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_psinder explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_p15ym_an explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_pnacoe explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_p_15a24 explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_p15a24a explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`graproes explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_pea_pdesocup explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_hogjef_f explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_phogjef_f explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_vivdes explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_vph_inter explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`pro_ocup_c explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`pobtot explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`gpo_delitos1 explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`gpo_delitos2 explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`postes_wifi explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`union_tepito explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`cjng explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`cartel_de_tlahuac explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`lenin_canchola explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`anti_union_tepito explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`rodolfos explicado por tx1k_pea_pdesocup`

## 
## 
## $tx1k_hogjef_f
## $tx1k_hogjef_f$`tasa_rob_veh explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`robo_vehículos explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_psinder explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_p15ym_an explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_pnacoe explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_p_15a24 explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_p15a24a explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`graproes explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_pea_pdesocup explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_hogjef_f explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_phogjef_f explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_vivdes explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_vph_inter explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`pro_ocup_c explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`pobtot explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`gpo_delitos1 explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`gpo_delitos2 explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`postes_wifi explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`union_tepito explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`cjng explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`cartel_de_tlahuac explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`lenin_canchola explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`anti_union_tepito explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`rodolfos explicado por tx1k_hogjef_f`

## 
## 
## $tx1k_phogjef_f
## $tx1k_phogjef_f$`tasa_rob_veh explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`robo_vehículos explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_psinder explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_p15ym_an explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_pnacoe explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_p_15a24 explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_p15a24a explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`graproes explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_pea_pdesocup explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_hogjef_f explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_phogjef_f explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_vivdes explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_vph_inter explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`pro_ocup_c explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`pobtot explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`gpo_delitos1 explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`gpo_delitos2 explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`postes_wifi explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`union_tepito explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`cjng explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`cartel_de_tlahuac explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`lenin_canchola explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`anti_union_tepito explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`rodolfos explicado por tx1k_phogjef_f`

## 
## 
## $tx1k_vivdes
## $tx1k_vivdes$`tasa_rob_veh explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`robo_vehículos explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_psinder explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_p15ym_an explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_pnacoe explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_p_15a24 explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_p15a24a explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`graproes explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_pea_pdesocup explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_hogjef_f explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_phogjef_f explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_vivdes explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_vph_inter explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`pro_ocup_c explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`pobtot explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`gpo_delitos1 explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`gpo_delitos2 explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`postes_wifi explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`union_tepito explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`cjng explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`cartel_de_tlahuac explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`lenin_canchola explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`anti_union_tepito explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`rodolfos explicado por tx1k_vivdes`

## 
## 
## $tx1k_vph_inter
## $tx1k_vph_inter$`tasa_rob_veh explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`robo_vehículos explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_psinder explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_p15ym_an explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_pnacoe explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_p_15a24 explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_p15a24a explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`graproes explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_pea_pdesocup explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_hogjef_f explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_phogjef_f explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_vivdes explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_vph_inter explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`pro_ocup_c explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`pobtot explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`gpo_delitos1 explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`gpo_delitos2 explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`postes_wifi explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`union_tepito explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`cjng explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`cartel_de_tlahuac explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`lenin_canchola explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`anti_union_tepito explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`rodolfos explicado por tx1k_vph_inter`

## 
## 
## $pro_ocup_c
## $pro_ocup_c$`tasa_rob_veh explicado por pro_ocup_c`

## 
## $pro_ocup_c$`robo_vehículos explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_psinder explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_p15ym_an explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_pnacoe explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_p_15a24 explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_p15a24a explicado por pro_ocup_c`

## 
## $pro_ocup_c$`graproes explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_pea_pdesocup explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_hogjef_f explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_phogjef_f explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_vivdes explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_vph_inter explicado por pro_ocup_c`

## 
## $pro_ocup_c$`pro_ocup_c explicado por pro_ocup_c`

## 
## $pro_ocup_c$`pobtot explicado por pro_ocup_c`

## 
## $pro_ocup_c$`gpo_delitos1 explicado por pro_ocup_c`

## 
## $pro_ocup_c$`gpo_delitos2 explicado por pro_ocup_c`

## 
## $pro_ocup_c$`postes_wifi explicado por pro_ocup_c`

## 
## $pro_ocup_c$`union_tepito explicado por pro_ocup_c`

## 
## $pro_ocup_c$`cjng explicado por pro_ocup_c`

## 
## $pro_ocup_c$`cartel_de_tlahuac explicado por pro_ocup_c`

## 
## $pro_ocup_c$`lenin_canchola explicado por pro_ocup_c`

## 
## $pro_ocup_c$`anti_union_tepito explicado por pro_ocup_c`

## 
## $pro_ocup_c$`rodolfos explicado por pro_ocup_c`

## 
## 
## $pobtot
## $pobtot$`tasa_rob_veh explicado por pobtot`

## 
## $pobtot$`robo_vehículos explicado por pobtot`

## 
## $pobtot$`tx1k_psinder explicado por pobtot`

## 
## $pobtot$`tx1k_p15ym_an explicado por pobtot`

## 
## $pobtot$`tx1k_pnacoe explicado por pobtot`

## 
## $pobtot$`tx1k_p_15a24 explicado por pobtot`

## 
## $pobtot$`tx1k_p15a24a explicado por pobtot`

## 
## $pobtot$`graproes explicado por pobtot`

## 
## $pobtot$`tx1k_pea_pdesocup explicado por pobtot`

## 
## $pobtot$`tx1k_hogjef_f explicado por pobtot`

## 
## $pobtot$`tx1k_phogjef_f explicado por pobtot`

## 
## $pobtot$`tx1k_vivdes explicado por pobtot`

## 
## $pobtot$`tx1k_vph_inter explicado por pobtot`

## 
## $pobtot$`pro_ocup_c explicado por pobtot`

## 
## $pobtot$`pobtot explicado por pobtot`

## 
## $pobtot$`gpo_delitos1 explicado por pobtot`

## 
## $pobtot$`gpo_delitos2 explicado por pobtot`

## 
## $pobtot$`postes_wifi explicado por pobtot`

## 
## $pobtot$`union_tepito explicado por pobtot`

## 
## $pobtot$`cjng explicado por pobtot`

## 
## $pobtot$`cartel_de_tlahuac explicado por pobtot`

## 
## $pobtot$`lenin_canchola explicado por pobtot`

## 
## $pobtot$`anti_union_tepito explicado por pobtot`

## 
## $pobtot$`rodolfos explicado por pobtot`

## 
## 
## $gpo_delitos1
## $gpo_delitos1$`tasa_rob_veh explicado por gpo_delitos1`

## 
## $gpo_delitos1$`robo_vehículos explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_psinder explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_p15ym_an explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_pnacoe explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_p_15a24 explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_p15a24a explicado por gpo_delitos1`

## 
## $gpo_delitos1$`graproes explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_pea_pdesocup explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_hogjef_f explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_phogjef_f explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_vivdes explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_vph_inter explicado por gpo_delitos1`

## 
## $gpo_delitos1$`pro_ocup_c explicado por gpo_delitos1`

## 
## $gpo_delitos1$`pobtot explicado por gpo_delitos1`

## 
## $gpo_delitos1$`gpo_delitos1 explicado por gpo_delitos1`

## 
## $gpo_delitos1$`gpo_delitos2 explicado por gpo_delitos1`

## 
## $gpo_delitos1$`postes_wifi explicado por gpo_delitos1`

## 
## $gpo_delitos1$`union_tepito explicado por gpo_delitos1`

## 
## $gpo_delitos1$`cjng explicado por gpo_delitos1`

## 
## $gpo_delitos1$`cartel_de_tlahuac explicado por gpo_delitos1`

## 
## $gpo_delitos1$`lenin_canchola explicado por gpo_delitos1`

## 
## $gpo_delitos1$`anti_union_tepito explicado por gpo_delitos1`

## 
## $gpo_delitos1$`rodolfos explicado por gpo_delitos1`

## 
## 
## $gpo_delitos2
## $gpo_delitos2$`tasa_rob_veh explicado por gpo_delitos2`

## 
## $gpo_delitos2$`robo_vehículos explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_psinder explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_p15ym_an explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_pnacoe explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_p_15a24 explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_p15a24a explicado por gpo_delitos2`

## 
## $gpo_delitos2$`graproes explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_pea_pdesocup explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_hogjef_f explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_phogjef_f explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_vivdes explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_vph_inter explicado por gpo_delitos2`

## 
## $gpo_delitos2$`pro_ocup_c explicado por gpo_delitos2`

## 
## $gpo_delitos2$`pobtot explicado por gpo_delitos2`

## 
## $gpo_delitos2$`gpo_delitos1 explicado por gpo_delitos2`

## 
## $gpo_delitos2$`gpo_delitos2 explicado por gpo_delitos2`

## 
## $gpo_delitos2$`postes_wifi explicado por gpo_delitos2`

## 
## $gpo_delitos2$`union_tepito explicado por gpo_delitos2`

## 
## $gpo_delitos2$`cjng explicado por gpo_delitos2`

## 
## $gpo_delitos2$`cartel_de_tlahuac explicado por gpo_delitos2`

## 
## $gpo_delitos2$`lenin_canchola explicado por gpo_delitos2`

## 
## $gpo_delitos2$`anti_union_tepito explicado por gpo_delitos2`

## 
## $gpo_delitos2$`rodolfos explicado por gpo_delitos2`

## 
## 
## $postes_wifi
## $postes_wifi$`tasa_rob_veh explicado por postes_wifi`

## 
## $postes_wifi$`robo_vehículos explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_psinder explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_p15ym_an explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_pnacoe explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_p_15a24 explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_p15a24a explicado por postes_wifi`

## 
## $postes_wifi$`graproes explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_pea_pdesocup explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_hogjef_f explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_phogjef_f explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_vivdes explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_vph_inter explicado por postes_wifi`

## 
## $postes_wifi$`pro_ocup_c explicado por postes_wifi`

## 
## $postes_wifi$`pobtot explicado por postes_wifi`

## 
## $postes_wifi$`gpo_delitos1 explicado por postes_wifi`

## 
## $postes_wifi$`gpo_delitos2 explicado por postes_wifi`

## 
## $postes_wifi$`postes_wifi explicado por postes_wifi`

## 
## $postes_wifi$`union_tepito explicado por postes_wifi`

## 
## $postes_wifi$`cjng explicado por postes_wifi`

## 
## $postes_wifi$`cartel_de_tlahuac explicado por postes_wifi`

## 
## $postes_wifi$`lenin_canchola explicado por postes_wifi`

## 
## $postes_wifi$`anti_union_tepito explicado por postes_wifi`

## 
## $postes_wifi$`rodolfos explicado por postes_wifi`

## 
## 
## $union_tepito
## $union_tepito$`tasa_rob_veh explicado por union_tepito`

## 
## $union_tepito$`robo_vehículos explicado por union_tepito`

## 
## $union_tepito$`tx1k_psinder explicado por union_tepito`

## 
## $union_tepito$`tx1k_p15ym_an explicado por union_tepito`

## 
## $union_tepito$`tx1k_pnacoe explicado por union_tepito`

## 
## $union_tepito$`tx1k_p_15a24 explicado por union_tepito`

## 
## $union_tepito$`tx1k_p15a24a explicado por union_tepito`

## 
## $union_tepito$`graproes explicado por union_tepito`

## 
## $union_tepito$`tx1k_pea_pdesocup explicado por union_tepito`

## 
## $union_tepito$`tx1k_hogjef_f explicado por union_tepito`

## 
## $union_tepito$`tx1k_phogjef_f explicado por union_tepito`

## 
## $union_tepito$`tx1k_vivdes explicado por union_tepito`

## 
## $union_tepito$`tx1k_vph_inter explicado por union_tepito`

## 
## $union_tepito$`pro_ocup_c explicado por union_tepito`

## 
## $union_tepito$`pobtot explicado por union_tepito`

## 
## $union_tepito$`gpo_delitos1 explicado por union_tepito`

## 
## $union_tepito$`gpo_delitos2 explicado por union_tepito`

## 
## $union_tepito$`postes_wifi explicado por union_tepito`

## 
## $union_tepito$`union_tepito explicado por union_tepito`

## 
## $union_tepito$`cjng explicado por union_tepito`

## 
## $union_tepito$`cartel_de_tlahuac explicado por union_tepito`

## 
## $union_tepito$`lenin_canchola explicado por union_tepito`

## 
## $union_tepito$`anti_union_tepito explicado por union_tepito`

## 
## $union_tepito$`rodolfos explicado por union_tepito`

## 
## 
## $cjng
## $cjng$`tasa_rob_veh explicado por cjng`

## 
## $cjng$`robo_vehículos explicado por cjng`

## 
## $cjng$`tx1k_psinder explicado por cjng`

## 
## $cjng$`tx1k_p15ym_an explicado por cjng`

## 
## $cjng$`tx1k_pnacoe explicado por cjng`

## 
## $cjng$`tx1k_p_15a24 explicado por cjng`

## 
## $cjng$`tx1k_p15a24a explicado por cjng`

## 
## $cjng$`graproes explicado por cjng`

## 
## $cjng$`tx1k_pea_pdesocup explicado por cjng`

## 
## $cjng$`tx1k_hogjef_f explicado por cjng`

## 
## $cjng$`tx1k_phogjef_f explicado por cjng`

## 
## $cjng$`tx1k_vivdes explicado por cjng`

## 
## $cjng$`tx1k_vph_inter explicado por cjng`

## 
## $cjng$`pro_ocup_c explicado por cjng`

## 
## $cjng$`pobtot explicado por cjng`

## 
## $cjng$`gpo_delitos1 explicado por cjng`

## 
## $cjng$`gpo_delitos2 explicado por cjng`

## 
## $cjng$`postes_wifi explicado por cjng`

## 
## $cjng$`union_tepito explicado por cjng`

## 
## $cjng$`cjng explicado por cjng`

## 
## $cjng$`cartel_de_tlahuac explicado por cjng`

## 
## $cjng$`lenin_canchola explicado por cjng`

## 
## $cjng$`anti_union_tepito explicado por cjng`

## 
## $cjng$`rodolfos explicado por cjng`

## 
## 
## $cartel_de_tlahuac
## $cartel_de_tlahuac$`tasa_rob_veh explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`robo_vehículos explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_psinder explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_p15ym_an explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_pnacoe explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_p_15a24 explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_p15a24a explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`graproes explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_pea_pdesocup explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_hogjef_f explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_phogjef_f explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_vivdes explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_vph_inter explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`pro_ocup_c explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`pobtot explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`gpo_delitos1 explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`gpo_delitos2 explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`postes_wifi explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`union_tepito explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`cjng explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`cartel_de_tlahuac explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`lenin_canchola explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`anti_union_tepito explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`rodolfos explicado por cartel_de_tlahuac`

## 
## 
## $lenin_canchola
## $lenin_canchola$`tasa_rob_veh explicado por lenin_canchola`

## 
## $lenin_canchola$`robo_vehículos explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_psinder explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_p15ym_an explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_pnacoe explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_p_15a24 explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_p15a24a explicado por lenin_canchola`

## 
## $lenin_canchola$`graproes explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_pea_pdesocup explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_hogjef_f explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_phogjef_f explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_vivdes explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_vph_inter explicado por lenin_canchola`

## 
## $lenin_canchola$`pro_ocup_c explicado por lenin_canchola`

## 
## $lenin_canchola$`pobtot explicado por lenin_canchola`

## 
## $lenin_canchola$`gpo_delitos1 explicado por lenin_canchola`

## 
## $lenin_canchola$`gpo_delitos2 explicado por lenin_canchola`

## 
## $lenin_canchola$`postes_wifi explicado por lenin_canchola`

## 
## $lenin_canchola$`union_tepito explicado por lenin_canchola`

## 
## $lenin_canchola$`cjng explicado por lenin_canchola`

## 
## $lenin_canchola$`cartel_de_tlahuac explicado por lenin_canchola`

## 
## $lenin_canchola$`lenin_canchola explicado por lenin_canchola`

## 
## $lenin_canchola$`anti_union_tepito explicado por lenin_canchola`

## 
## $lenin_canchola$`rodolfos explicado por lenin_canchola`

## 
## 
## $anti_union_tepito
## $anti_union_tepito$`tasa_rob_veh explicado por anti_union_tepito`

## 
## $anti_union_tepito$`robo_vehículos explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_psinder explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_p15ym_an explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_pnacoe explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_p_15a24 explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_p15a24a explicado por anti_union_tepito`

## 
## $anti_union_tepito$`graproes explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_pea_pdesocup explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_hogjef_f explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_phogjef_f explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_vivdes explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_vph_inter explicado por anti_union_tepito`

## 
## $anti_union_tepito$`pro_ocup_c explicado por anti_union_tepito`

## 
## $anti_union_tepito$`pobtot explicado por anti_union_tepito`

## 
## $anti_union_tepito$`gpo_delitos1 explicado por anti_union_tepito`

## 
## $anti_union_tepito$`gpo_delitos2 explicado por anti_union_tepito`

## 
## $anti_union_tepito$`postes_wifi explicado por anti_union_tepito`

## 
## $anti_union_tepito$`union_tepito explicado por anti_union_tepito`

## 
## $anti_union_tepito$`cjng explicado por anti_union_tepito`

## 
## $anti_union_tepito$`cartel_de_tlahuac explicado por anti_union_tepito`

## 
## $anti_union_tepito$`lenin_canchola explicado por anti_union_tepito`

## 
## $anti_union_tepito$`anti_union_tepito explicado por anti_union_tepito`

## 
## $anti_union_tepito$`rodolfos explicado por anti_union_tepito`

## 
## 
## $rodolfos
## $rodolfos$`tasa_rob_veh explicado por rodolfos`

## 
## $rodolfos$`robo_vehículos explicado por rodolfos`

## 
## $rodolfos$`tx1k_psinder explicado por rodolfos`

## 
## $rodolfos$`tx1k_p15ym_an explicado por rodolfos`

## 
## $rodolfos$`tx1k_pnacoe explicado por rodolfos`

## 
## $rodolfos$`tx1k_p_15a24 explicado por rodolfos`

## 
## $rodolfos$`tx1k_p15a24a explicado por rodolfos`

## 
## $rodolfos$`graproes explicado por rodolfos`

## 
## $rodolfos$`tx1k_pea_pdesocup explicado por rodolfos`

## 
## $rodolfos$`tx1k_hogjef_f explicado por rodolfos`

## 
## $rodolfos$`tx1k_phogjef_f explicado por rodolfos`

## 
## $rodolfos$`tx1k_vivdes explicado por rodolfos`

## 
## $rodolfos$`tx1k_vph_inter explicado por rodolfos`

## 
## $rodolfos$`pro_ocup_c explicado por rodolfos`

## 
## $rodolfos$`pobtot explicado por rodolfos`

## 
## $rodolfos$`gpo_delitos1 explicado por rodolfos`

## 
## $rodolfos$`gpo_delitos2 explicado por rodolfos`

## 
## $rodolfos$`postes_wifi explicado por rodolfos`

## 
## $rodolfos$`union_tepito explicado por rodolfos`

## 
## $rodolfos$`cjng explicado por rodolfos`

## 
## $rodolfos$`cartel_de_tlahuac explicado por rodolfos`

## 
## $rodolfos$`lenin_canchola explicado por rodolfos`

## 
## $rodolfos$`anti_union_tepito explicado por rodolfos`

## 
## $rodolfos$`rodolfos explicado por rodolfos`

## $tasa_rob_veh
## $tasa_rob_veh$`tasa_rob_veh explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`robo_vehículos explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_psinder explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_p15ym_an explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_pnacoe explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_p_15a24 explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_p15a24a explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`graproes explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_pea_pdesocup explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_hogjef_f explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_phogjef_f explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_vivdes explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`tx1k_vph_inter explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`pro_ocup_c explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`pobtot explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`gpo_delitos1 explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`gpo_delitos2 explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`postes_wifi explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`union_tepito explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`cjng explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`cartel_de_tlahuac explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`lenin_canchola explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`anti_union_tepito explicado por tasa_rob_veh`

## 
## $tasa_rob_veh$`rodolfos explicado por tasa_rob_veh`

## 
## 
## $robo_vehículos
## $robo_vehículos$`tasa_rob_veh explicado por robo_vehículos`

## 
## $robo_vehículos$`robo_vehículos explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_psinder explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_p15ym_an explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_pnacoe explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_p_15a24 explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_p15a24a explicado por robo_vehículos`

## 
## $robo_vehículos$`graproes explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_pea_pdesocup explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_hogjef_f explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_phogjef_f explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_vivdes explicado por robo_vehículos`

## 
## $robo_vehículos$`tx1k_vph_inter explicado por robo_vehículos`

## 
## $robo_vehículos$`pro_ocup_c explicado por robo_vehículos`

## 
## $robo_vehículos$`pobtot explicado por robo_vehículos`

## 
## $robo_vehículos$`gpo_delitos1 explicado por robo_vehículos`

## 
## $robo_vehículos$`gpo_delitos2 explicado por robo_vehículos`

## 
## $robo_vehículos$`postes_wifi explicado por robo_vehículos`

## 
## $robo_vehículos$`union_tepito explicado por robo_vehículos`

## 
## $robo_vehículos$`cjng explicado por robo_vehículos`

## 
## $robo_vehículos$`cartel_de_tlahuac explicado por robo_vehículos`

## 
## $robo_vehículos$`lenin_canchola explicado por robo_vehículos`

## 
## $robo_vehículos$`anti_union_tepito explicado por robo_vehículos`

## 
## $robo_vehículos$`rodolfos explicado por robo_vehículos`

## 
## 
## $tx1k_psinder
## $tx1k_psinder$`tasa_rob_veh explicado por tx1k_psinder`

## 
## $tx1k_psinder$`robo_vehículos explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_psinder explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_p15ym_an explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_pnacoe explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_p_15a24 explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_p15a24a explicado por tx1k_psinder`

## 
## $tx1k_psinder$`graproes explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_pea_pdesocup explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_hogjef_f explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_phogjef_f explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_vivdes explicado por tx1k_psinder`

## 
## $tx1k_psinder$`tx1k_vph_inter explicado por tx1k_psinder`

## 
## $tx1k_psinder$`pro_ocup_c explicado por tx1k_psinder`

## 
## $tx1k_psinder$`pobtot explicado por tx1k_psinder`

## 
## $tx1k_psinder$`gpo_delitos1 explicado por tx1k_psinder`

## 
## $tx1k_psinder$`gpo_delitos2 explicado por tx1k_psinder`

## 
## $tx1k_psinder$`postes_wifi explicado por tx1k_psinder`

## 
## $tx1k_psinder$`union_tepito explicado por tx1k_psinder`

## 
## $tx1k_psinder$`cjng explicado por tx1k_psinder`

## 
## $tx1k_psinder$`cartel_de_tlahuac explicado por tx1k_psinder`

## 
## $tx1k_psinder$`lenin_canchola explicado por tx1k_psinder`

## 
## $tx1k_psinder$`anti_union_tepito explicado por tx1k_psinder`

## 
## $tx1k_psinder$`rodolfos explicado por tx1k_psinder`

## 
## 
## $tx1k_p15ym_an
## $tx1k_p15ym_an$`tasa_rob_veh explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`robo_vehículos explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_psinder explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_p15ym_an explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_pnacoe explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_p_15a24 explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_p15a24a explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`graproes explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_pea_pdesocup explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_hogjef_f explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_phogjef_f explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_vivdes explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`tx1k_vph_inter explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`pro_ocup_c explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`pobtot explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`gpo_delitos1 explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`gpo_delitos2 explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`postes_wifi explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`union_tepito explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`cjng explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`cartel_de_tlahuac explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`lenin_canchola explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`anti_union_tepito explicado por tx1k_p15ym_an`

## 
## $tx1k_p15ym_an$`rodolfos explicado por tx1k_p15ym_an`

## 
## 
## $tx1k_pnacoe
## $tx1k_pnacoe$`tasa_rob_veh explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`robo_vehículos explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_psinder explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_p15ym_an explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_pnacoe explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_p_15a24 explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_p15a24a explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`graproes explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_pea_pdesocup explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_hogjef_f explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_phogjef_f explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_vivdes explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`tx1k_vph_inter explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`pro_ocup_c explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`pobtot explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`gpo_delitos1 explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`gpo_delitos2 explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`postes_wifi explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`union_tepito explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`cjng explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`cartel_de_tlahuac explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`lenin_canchola explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`anti_union_tepito explicado por tx1k_pnacoe`

## 
## $tx1k_pnacoe$`rodolfos explicado por tx1k_pnacoe`

## 
## 
## $tx1k_p_15a24
## $tx1k_p_15a24$`tasa_rob_veh explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`robo_vehículos explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_psinder explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_p15ym_an explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_pnacoe explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_p_15a24 explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_p15a24a explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`graproes explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_pea_pdesocup explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_hogjef_f explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_phogjef_f explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_vivdes explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`tx1k_vph_inter explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`pro_ocup_c explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`pobtot explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`gpo_delitos1 explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`gpo_delitos2 explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`postes_wifi explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`union_tepito explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`cjng explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`cartel_de_tlahuac explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`lenin_canchola explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`anti_union_tepito explicado por tx1k_p_15a24`

## 
## $tx1k_p_15a24$`rodolfos explicado por tx1k_p_15a24`

## 
## 
## $tx1k_p15a24a
## $tx1k_p15a24a$`tasa_rob_veh explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`robo_vehículos explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_psinder explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_p15ym_an explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_pnacoe explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_p_15a24 explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_p15a24a explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`graproes explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_pea_pdesocup explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_hogjef_f explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_phogjef_f explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_vivdes explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`tx1k_vph_inter explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`pro_ocup_c explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`pobtot explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`gpo_delitos1 explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`gpo_delitos2 explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`postes_wifi explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`union_tepito explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`cjng explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`cartel_de_tlahuac explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`lenin_canchola explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`anti_union_tepito explicado por tx1k_p15a24a`

## 
## $tx1k_p15a24a$`rodolfos explicado por tx1k_p15a24a`

## 
## 
## $graproes
## $graproes$`tasa_rob_veh explicado por graproes`

## 
## $graproes$`robo_vehículos explicado por graproes`

## 
## $graproes$`tx1k_psinder explicado por graproes`

## 
## $graproes$`tx1k_p15ym_an explicado por graproes`

## 
## $graproes$`tx1k_pnacoe explicado por graproes`

## 
## $graproes$`tx1k_p_15a24 explicado por graproes`

## 
## $graproes$`tx1k_p15a24a explicado por graproes`

## 
## $graproes$`graproes explicado por graproes`

## 
## $graproes$`tx1k_pea_pdesocup explicado por graproes`

## 
## $graproes$`tx1k_hogjef_f explicado por graproes`

## 
## $graproes$`tx1k_phogjef_f explicado por graproes`

## 
## $graproes$`tx1k_vivdes explicado por graproes`

## 
## $graproes$`tx1k_vph_inter explicado por graproes`

## 
## $graproes$`pro_ocup_c explicado por graproes`

## 
## $graproes$`pobtot explicado por graproes`

## 
## $graproes$`gpo_delitos1 explicado por graproes`

## 
## $graproes$`gpo_delitos2 explicado por graproes`

## 
## $graproes$`postes_wifi explicado por graproes`

## 
## $graproes$`union_tepito explicado por graproes`

## 
## $graproes$`cjng explicado por graproes`

## 
## $graproes$`cartel_de_tlahuac explicado por graproes`

## 
## $graproes$`lenin_canchola explicado por graproes`

## 
## $graproes$`anti_union_tepito explicado por graproes`

## 
## $graproes$`rodolfos explicado por graproes`

## 
## 
## $tx1k_pea_pdesocup
## $tx1k_pea_pdesocup$`tasa_rob_veh explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`robo_vehículos explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_psinder explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_p15ym_an explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_pnacoe explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_p_15a24 explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_p15a24a explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`graproes explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_pea_pdesocup explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_hogjef_f explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_phogjef_f explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_vivdes explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`tx1k_vph_inter explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`pro_ocup_c explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`pobtot explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`gpo_delitos1 explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`gpo_delitos2 explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`postes_wifi explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`union_tepito explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`cjng explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`cartel_de_tlahuac explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`lenin_canchola explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`anti_union_tepito explicado por tx1k_pea_pdesocup`

## 
## $tx1k_pea_pdesocup$`rodolfos explicado por tx1k_pea_pdesocup`

## 
## 
## $tx1k_hogjef_f
## $tx1k_hogjef_f$`tasa_rob_veh explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`robo_vehículos explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_psinder explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_p15ym_an explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_pnacoe explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_p_15a24 explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_p15a24a explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`graproes explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_pea_pdesocup explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_hogjef_f explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_phogjef_f explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_vivdes explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`tx1k_vph_inter explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`pro_ocup_c explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`pobtot explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`gpo_delitos1 explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`gpo_delitos2 explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`postes_wifi explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`union_tepito explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`cjng explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`cartel_de_tlahuac explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`lenin_canchola explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`anti_union_tepito explicado por tx1k_hogjef_f`

## 
## $tx1k_hogjef_f$`rodolfos explicado por tx1k_hogjef_f`

## 
## 
## $tx1k_phogjef_f
## $tx1k_phogjef_f$`tasa_rob_veh explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`robo_vehículos explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_psinder explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_p15ym_an explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_pnacoe explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_p_15a24 explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_p15a24a explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`graproes explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_pea_pdesocup explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_hogjef_f explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_phogjef_f explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_vivdes explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`tx1k_vph_inter explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`pro_ocup_c explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`pobtot explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`gpo_delitos1 explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`gpo_delitos2 explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`postes_wifi explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`union_tepito explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`cjng explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`cartel_de_tlahuac explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`lenin_canchola explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`anti_union_tepito explicado por tx1k_phogjef_f`

## 
## $tx1k_phogjef_f$`rodolfos explicado por tx1k_phogjef_f`

## 
## 
## $tx1k_vivdes
## $tx1k_vivdes$`tasa_rob_veh explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`robo_vehículos explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_psinder explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_p15ym_an explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_pnacoe explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_p_15a24 explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_p15a24a explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`graproes explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_pea_pdesocup explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_hogjef_f explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_phogjef_f explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_vivdes explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`tx1k_vph_inter explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`pro_ocup_c explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`pobtot explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`gpo_delitos1 explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`gpo_delitos2 explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`postes_wifi explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`union_tepito explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`cjng explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`cartel_de_tlahuac explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`lenin_canchola explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`anti_union_tepito explicado por tx1k_vivdes`

## 
## $tx1k_vivdes$`rodolfos explicado por tx1k_vivdes`

## 
## 
## $tx1k_vph_inter
## $tx1k_vph_inter$`tasa_rob_veh explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`robo_vehículos explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_psinder explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_p15ym_an explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_pnacoe explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_p_15a24 explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_p15a24a explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`graproes explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_pea_pdesocup explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_hogjef_f explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_phogjef_f explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_vivdes explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`tx1k_vph_inter explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`pro_ocup_c explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`pobtot explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`gpo_delitos1 explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`gpo_delitos2 explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`postes_wifi explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`union_tepito explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`cjng explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`cartel_de_tlahuac explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`lenin_canchola explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`anti_union_tepito explicado por tx1k_vph_inter`

## 
## $tx1k_vph_inter$`rodolfos explicado por tx1k_vph_inter`

## 
## 
## $pro_ocup_c
## $pro_ocup_c$`tasa_rob_veh explicado por pro_ocup_c`

## 
## $pro_ocup_c$`robo_vehículos explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_psinder explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_p15ym_an explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_pnacoe explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_p_15a24 explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_p15a24a explicado por pro_ocup_c`

## 
## $pro_ocup_c$`graproes explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_pea_pdesocup explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_hogjef_f explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_phogjef_f explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_vivdes explicado por pro_ocup_c`

## 
## $pro_ocup_c$`tx1k_vph_inter explicado por pro_ocup_c`

## 
## $pro_ocup_c$`pro_ocup_c explicado por pro_ocup_c`

## 
## $pro_ocup_c$`pobtot explicado por pro_ocup_c`

## 
## $pro_ocup_c$`gpo_delitos1 explicado por pro_ocup_c`

## 
## $pro_ocup_c$`gpo_delitos2 explicado por pro_ocup_c`

## 
## $pro_ocup_c$`postes_wifi explicado por pro_ocup_c`

## 
## $pro_ocup_c$`union_tepito explicado por pro_ocup_c`

## 
## $pro_ocup_c$`cjng explicado por pro_ocup_c`

## 
## $pro_ocup_c$`cartel_de_tlahuac explicado por pro_ocup_c`

## 
## $pro_ocup_c$`lenin_canchola explicado por pro_ocup_c`

## 
## $pro_ocup_c$`anti_union_tepito explicado por pro_ocup_c`

## 
## $pro_ocup_c$`rodolfos explicado por pro_ocup_c`

## 
## 
## $pobtot
## $pobtot$`tasa_rob_veh explicado por pobtot`

## 
## $pobtot$`robo_vehículos explicado por pobtot`

## 
## $pobtot$`tx1k_psinder explicado por pobtot`

## 
## $pobtot$`tx1k_p15ym_an explicado por pobtot`

## 
## $pobtot$`tx1k_pnacoe explicado por pobtot`

## 
## $pobtot$`tx1k_p_15a24 explicado por pobtot`

## 
## $pobtot$`tx1k_p15a24a explicado por pobtot`

## 
## $pobtot$`graproes explicado por pobtot`

## 
## $pobtot$`tx1k_pea_pdesocup explicado por pobtot`

## 
## $pobtot$`tx1k_hogjef_f explicado por pobtot`

## 
## $pobtot$`tx1k_phogjef_f explicado por pobtot`

## 
## $pobtot$`tx1k_vivdes explicado por pobtot`

## 
## $pobtot$`tx1k_vph_inter explicado por pobtot`

## 
## $pobtot$`pro_ocup_c explicado por pobtot`

## 
## $pobtot$`pobtot explicado por pobtot`

## 
## $pobtot$`gpo_delitos1 explicado por pobtot`

## 
## $pobtot$`gpo_delitos2 explicado por pobtot`

## 
## $pobtot$`postes_wifi explicado por pobtot`

## 
## $pobtot$`union_tepito explicado por pobtot`

## 
## $pobtot$`cjng explicado por pobtot`

## 
## $pobtot$`cartel_de_tlahuac explicado por pobtot`

## 
## $pobtot$`lenin_canchola explicado por pobtot`

## 
## $pobtot$`anti_union_tepito explicado por pobtot`

## 
## $pobtot$`rodolfos explicado por pobtot`

## 
## 
## $gpo_delitos1
## $gpo_delitos1$`tasa_rob_veh explicado por gpo_delitos1`

## 
## $gpo_delitos1$`robo_vehículos explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_psinder explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_p15ym_an explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_pnacoe explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_p_15a24 explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_p15a24a explicado por gpo_delitos1`

## 
## $gpo_delitos1$`graproes explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_pea_pdesocup explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_hogjef_f explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_phogjef_f explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_vivdes explicado por gpo_delitos1`

## 
## $gpo_delitos1$`tx1k_vph_inter explicado por gpo_delitos1`

## 
## $gpo_delitos1$`pro_ocup_c explicado por gpo_delitos1`

## 
## $gpo_delitos1$`pobtot explicado por gpo_delitos1`

## 
## $gpo_delitos1$`gpo_delitos1 explicado por gpo_delitos1`

## 
## $gpo_delitos1$`gpo_delitos2 explicado por gpo_delitos1`

## 
## $gpo_delitos1$`postes_wifi explicado por gpo_delitos1`

## 
## $gpo_delitos1$`union_tepito explicado por gpo_delitos1`

## 
## $gpo_delitos1$`cjng explicado por gpo_delitos1`

## 
## $gpo_delitos1$`cartel_de_tlahuac explicado por gpo_delitos1`

## 
## $gpo_delitos1$`lenin_canchola explicado por gpo_delitos1`

## 
## $gpo_delitos1$`anti_union_tepito explicado por gpo_delitos1`

## 
## $gpo_delitos1$`rodolfos explicado por gpo_delitos1`

## 
## 
## $gpo_delitos2
## $gpo_delitos2$`tasa_rob_veh explicado por gpo_delitos2`

## 
## $gpo_delitos2$`robo_vehículos explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_psinder explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_p15ym_an explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_pnacoe explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_p_15a24 explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_p15a24a explicado por gpo_delitos2`

## 
## $gpo_delitos2$`graproes explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_pea_pdesocup explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_hogjef_f explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_phogjef_f explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_vivdes explicado por gpo_delitos2`

## 
## $gpo_delitos2$`tx1k_vph_inter explicado por gpo_delitos2`

## 
## $gpo_delitos2$`pro_ocup_c explicado por gpo_delitos2`

## 
## $gpo_delitos2$`pobtot explicado por gpo_delitos2`

## 
## $gpo_delitos2$`gpo_delitos1 explicado por gpo_delitos2`

## 
## $gpo_delitos2$`gpo_delitos2 explicado por gpo_delitos2`

## 
## $gpo_delitos2$`postes_wifi explicado por gpo_delitos2`

## 
## $gpo_delitos2$`union_tepito explicado por gpo_delitos2`

## 
## $gpo_delitos2$`cjng explicado por gpo_delitos2`

## 
## $gpo_delitos2$`cartel_de_tlahuac explicado por gpo_delitos2`

## 
## $gpo_delitos2$`lenin_canchola explicado por gpo_delitos2`

## 
## $gpo_delitos2$`anti_union_tepito explicado por gpo_delitos2`

## 
## $gpo_delitos2$`rodolfos explicado por gpo_delitos2`

## 
## 
## $postes_wifi
## $postes_wifi$`tasa_rob_veh explicado por postes_wifi`

## 
## $postes_wifi$`robo_vehículos explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_psinder explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_p15ym_an explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_pnacoe explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_p_15a24 explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_p15a24a explicado por postes_wifi`

## 
## $postes_wifi$`graproes explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_pea_pdesocup explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_hogjef_f explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_phogjef_f explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_vivdes explicado por postes_wifi`

## 
## $postes_wifi$`tx1k_vph_inter explicado por postes_wifi`

## 
## $postes_wifi$`pro_ocup_c explicado por postes_wifi`

## 
## $postes_wifi$`pobtot explicado por postes_wifi`

## 
## $postes_wifi$`gpo_delitos1 explicado por postes_wifi`

## 
## $postes_wifi$`gpo_delitos2 explicado por postes_wifi`

## 
## $postes_wifi$`postes_wifi explicado por postes_wifi`

## 
## $postes_wifi$`union_tepito explicado por postes_wifi`

## 
## $postes_wifi$`cjng explicado por postes_wifi`

## 
## $postes_wifi$`cartel_de_tlahuac explicado por postes_wifi`

## 
## $postes_wifi$`lenin_canchola explicado por postes_wifi`

## 
## $postes_wifi$`anti_union_tepito explicado por postes_wifi`

## 
## $postes_wifi$`rodolfos explicado por postes_wifi`

## 
## 
## $union_tepito
## $union_tepito$`tasa_rob_veh explicado por union_tepito`

## 
## $union_tepito$`robo_vehículos explicado por union_tepito`

## 
## $union_tepito$`tx1k_psinder explicado por union_tepito`

## 
## $union_tepito$`tx1k_p15ym_an explicado por union_tepito`

## 
## $union_tepito$`tx1k_pnacoe explicado por union_tepito`

## 
## $union_tepito$`tx1k_p_15a24 explicado por union_tepito`

## 
## $union_tepito$`tx1k_p15a24a explicado por union_tepito`

## 
## $union_tepito$`graproes explicado por union_tepito`

## 
## $union_tepito$`tx1k_pea_pdesocup explicado por union_tepito`

## 
## $union_tepito$`tx1k_hogjef_f explicado por union_tepito`

## 
## $union_tepito$`tx1k_phogjef_f explicado por union_tepito`

## 
## $union_tepito$`tx1k_vivdes explicado por union_tepito`

## 
## $union_tepito$`tx1k_vph_inter explicado por union_tepito`

## 
## $union_tepito$`pro_ocup_c explicado por union_tepito`

## 
## $union_tepito$`pobtot explicado por union_tepito`

## 
## $union_tepito$`gpo_delitos1 explicado por union_tepito`

## 
## $union_tepito$`gpo_delitos2 explicado por union_tepito`

## 
## $union_tepito$`postes_wifi explicado por union_tepito`

## 
## $union_tepito$`union_tepito explicado por union_tepito`

## 
## $union_tepito$`cjng explicado por union_tepito`

## 
## $union_tepito$`cartel_de_tlahuac explicado por union_tepito`

## 
## $union_tepito$`lenin_canchola explicado por union_tepito`

## 
## $union_tepito$`anti_union_tepito explicado por union_tepito`

## 
## $union_tepito$`rodolfos explicado por union_tepito`

## 
## 
## $cjng
## $cjng$`tasa_rob_veh explicado por cjng`

## 
## $cjng$`robo_vehículos explicado por cjng`

## 
## $cjng$`tx1k_psinder explicado por cjng`

## 
## $cjng$`tx1k_p15ym_an explicado por cjng`

## 
## $cjng$`tx1k_pnacoe explicado por cjng`

## 
## $cjng$`tx1k_p_15a24 explicado por cjng`

## 
## $cjng$`tx1k_p15a24a explicado por cjng`

## 
## $cjng$`graproes explicado por cjng`

## 
## $cjng$`tx1k_pea_pdesocup explicado por cjng`

## 
## $cjng$`tx1k_hogjef_f explicado por cjng`

## 
## $cjng$`tx1k_phogjef_f explicado por cjng`

## 
## $cjng$`tx1k_vivdes explicado por cjng`

## 
## $cjng$`tx1k_vph_inter explicado por cjng`

## 
## $cjng$`pro_ocup_c explicado por cjng`

## 
## $cjng$`pobtot explicado por cjng`

## 
## $cjng$`gpo_delitos1 explicado por cjng`

## 
## $cjng$`gpo_delitos2 explicado por cjng`

## 
## $cjng$`postes_wifi explicado por cjng`

## 
## $cjng$`union_tepito explicado por cjng`

## 
## $cjng$`cjng explicado por cjng`

## 
## $cjng$`cartel_de_tlahuac explicado por cjng`

## 
## $cjng$`lenin_canchola explicado por cjng`

## 
## $cjng$`anti_union_tepito explicado por cjng`

## 
## $cjng$`rodolfos explicado por cjng`

## 
## 
## $cartel_de_tlahuac
## $cartel_de_tlahuac$`tasa_rob_veh explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`robo_vehículos explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_psinder explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_p15ym_an explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_pnacoe explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_p_15a24 explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_p15a24a explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`graproes explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_pea_pdesocup explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_hogjef_f explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_phogjef_f explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_vivdes explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`tx1k_vph_inter explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`pro_ocup_c explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`pobtot explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`gpo_delitos1 explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`gpo_delitos2 explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`postes_wifi explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`union_tepito explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`cjng explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`cartel_de_tlahuac explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`lenin_canchola explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`anti_union_tepito explicado por cartel_de_tlahuac`

## 
## $cartel_de_tlahuac$`rodolfos explicado por cartel_de_tlahuac`

## 
## 
## $lenin_canchola
## $lenin_canchola$`tasa_rob_veh explicado por lenin_canchola`

## 
## $lenin_canchola$`robo_vehículos explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_psinder explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_p15ym_an explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_pnacoe explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_p_15a24 explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_p15a24a explicado por lenin_canchola`

## 
## $lenin_canchola$`graproes explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_pea_pdesocup explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_hogjef_f explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_phogjef_f explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_vivdes explicado por lenin_canchola`

## 
## $lenin_canchola$`tx1k_vph_inter explicado por lenin_canchola`

## 
## $lenin_canchola$`pro_ocup_c explicado por lenin_canchola`

## 
## $lenin_canchola$`pobtot explicado por lenin_canchola`

## 
## $lenin_canchola$`gpo_delitos1 explicado por lenin_canchola`

## 
## $lenin_canchola$`gpo_delitos2 explicado por lenin_canchola`

## 
## $lenin_canchola$`postes_wifi explicado por lenin_canchola`

## 
## $lenin_canchola$`union_tepito explicado por lenin_canchola`

## 
## $lenin_canchola$`cjng explicado por lenin_canchola`

## 
## $lenin_canchola$`cartel_de_tlahuac explicado por lenin_canchola`

## 
## $lenin_canchola$`lenin_canchola explicado por lenin_canchola`

## 
## $lenin_canchola$`anti_union_tepito explicado por lenin_canchola`

## 
## $lenin_canchola$`rodolfos explicado por lenin_canchola`

## 
## 
## $anti_union_tepito
## $anti_union_tepito$`tasa_rob_veh explicado por anti_union_tepito`

## 
## $anti_union_tepito$`robo_vehículos explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_psinder explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_p15ym_an explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_pnacoe explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_p_15a24 explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_p15a24a explicado por anti_union_tepito`

## 
## $anti_union_tepito$`graproes explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_pea_pdesocup explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_hogjef_f explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_phogjef_f explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_vivdes explicado por anti_union_tepito`

## 
## $anti_union_tepito$`tx1k_vph_inter explicado por anti_union_tepito`

## 
## $anti_union_tepito$`pro_ocup_c explicado por anti_union_tepito`

## 
## $anti_union_tepito$`pobtot explicado por anti_union_tepito`

## 
## $anti_union_tepito$`gpo_delitos1 explicado por anti_union_tepito`

## 
## $anti_union_tepito$`gpo_delitos2 explicado por anti_union_tepito`

## 
## $anti_union_tepito$`postes_wifi explicado por anti_union_tepito`

## 
## $anti_union_tepito$`union_tepito explicado por anti_union_tepito`

## 
## $anti_union_tepito$`cjng explicado por anti_union_tepito`

## 
## $anti_union_tepito$`cartel_de_tlahuac explicado por anti_union_tepito`

## 
## $anti_union_tepito$`lenin_canchola explicado por anti_union_tepito`

## 
## $anti_union_tepito$`anti_union_tepito explicado por anti_union_tepito`

## 
## $anti_union_tepito$`rodolfos explicado por anti_union_tepito`

## 
## 
## $rodolfos
## $rodolfos$`tasa_rob_veh explicado por rodolfos`

## 
## $rodolfos$`robo_vehículos explicado por rodolfos`

## 
## $rodolfos$`tx1k_psinder explicado por rodolfos`

## 
## $rodolfos$`tx1k_p15ym_an explicado por rodolfos`

## 
## $rodolfos$`tx1k_pnacoe explicado por rodolfos`

## 
## $rodolfos$`tx1k_p_15a24 explicado por rodolfos`

## 
## $rodolfos$`tx1k_p15a24a explicado por rodolfos`

## 
## $rodolfos$`graproes explicado por rodolfos`

## 
## $rodolfos$`tx1k_pea_pdesocup explicado por rodolfos`

## 
## $rodolfos$`tx1k_hogjef_f explicado por rodolfos`

## 
## $rodolfos$`tx1k_phogjef_f explicado por rodolfos`

## 
## $rodolfos$`tx1k_vivdes explicado por rodolfos`

## 
## $rodolfos$`tx1k_vph_inter explicado por rodolfos`

## 
## $rodolfos$`pro_ocup_c explicado por rodolfos`

## 
## $rodolfos$`pobtot explicado por rodolfos`

## 
## $rodolfos$`gpo_delitos1 explicado por rodolfos`

## 
## $rodolfos$`gpo_delitos2 explicado por rodolfos`

## 
## $rodolfos$`postes_wifi explicado por rodolfos`

## 
## $rodolfos$`union_tepito explicado por rodolfos`

## 
## $rodolfos$`cjng explicado por rodolfos`

## 
## $rodolfos$`cartel_de_tlahuac explicado por rodolfos`

## 
## $rodolfos$`lenin_canchola explicado por rodolfos`

## 
## $rodolfos$`anti_union_tepito explicado por rodolfos`

## 
## $rodolfos$`rodolfos explicado por rodolfos`


MODELADO

El modelado se basó en la relación del robo de vehículos con respecto a ciertos grupos de variables que a continuación se describen:

Una de las ideas que intentamos explorar, dadas las características de nuestra variable respuesta (sumamente rala), era trabajar con un nivel de abstracción mayor a las AGEBS a partir de los datos disponibles. En este caso la unidad, de análisis municipio localidad “mun-loc” nos pareció útil, ya que sabíamos que las variables que estamos utilizando podían ser agregadas (suma), por lo que su agrupación es transparente y sin mayor complicación, excepto por graproes y pro_ocup_c.
Desafortunadamente, este pasó reduciría las observaciones de nuestros datos de 2300 a tan sólo 33. Como describimos más adelante, en una segunda etapa podría integrarse una agrupación de AGEBS por k vecinos más cercanos.

Splitting Data: separación en muestra y entrenamiento de nuestra base de datos ya preprocesada

NOTA: Los modelos evaluados no consideran la variable pobtot pues se relativisaron los variables relacionadas con población.

Modelo 1: Aproximación lineal (no exitosa)

En nuestro primer intento, intentamos modelar la variable número de robo de vehículos por AGEB a través de un modelo lineal. Se realizaron diversos procesos en los datos con la intención de poder tener una “buena” explicación del fenómeno a través de las variables que definimos, pero el resultado no fue el esperado.

Uno de los principales insights es el hecho de que una alta concentración de la variable respuesta en valores 0 y 1 y el hecho de que existen aspectos geoespaciales no recogidos por las variables que teníamos disponibles en nuestros datos (las cuales son representativas de lls datos reales disponibles pues se usaron las categorías más ideales con base al conocimiento del_ expert domain_).

Aprendimos de nuestros datos que a pesar de tener ideas intuitivas sobre el comportamiento esperados de nuestros datos, esto no implica una comportamiento lineal, si no que incluso probablemente existe aspectos en nuestra variable respuesta que no esta especificado y nos deificulta el poder obtener estimaciones razonables.

Buscaremos evaluar nuestro modelo utilizando penalización que nos permita identificar aquellas variables que realmente están explicando parte del fenómeno de robo de vehículos.

## # A tibble: 100 x 2
##      penalty mixture
##        <dbl>   <dbl>
##  1 0.00001         0
##  2 0.0000234       0
##  3 0.0000546       0
##  4 0.000127        0
##  5 0.000298        0
##  6 0.000695        0
##  7 0.00162         0
##  8 0.00379         0
##  9 0.00886         0
## 10 0.0207          0
## # ... with 90 more rows
## Warning: package 'rlang' was built under R version 4.1.2
## # A tibble: 100 x 5
##    id         mixture   penalty .metric .estimate
##    <chr>        <dbl>     <dbl> <chr>       <dbl>
##  1 validación       0 0.00001   rmse         2.15
##  2 validación       0 0.0000234 rmse         2.15
##  3 validación       0 0.0000546 rmse         2.15
##  4 validación       0 0.000127  rmse         2.15
##  5 validación       0 0.000298  rmse         2.15
##  6 validación       0 0.000695  rmse         2.15
##  7 validación       0 0.00162   rmse         2.15
##  8 validación       0 0.00379   rmse         2.15
##  9 validación       0 0.00886   rmse         2.15
## 10 validación       0 0.0207    rmse         2.15
## # ... with 90 more rows

## # A tibble: 1 x 3
##   penalty mixture .config               
##     <dbl>   <dbl> <chr>                 
## 1    1.44       0 Preprocessor1_Model015

CONCLUSIONES: nuestro modelo lineal para explicar el número de robo de vehículos en la ciudad de México utilizando variables como la incidencia de otros delitos en la CDMX, grados de escolaridad y proporción de personas 15-24 años que conocemos que usualmente, indicadores de desarrollo y saturación de viviendas, etc. no reflejan un comportamiento lineal.

De igual forma se intentó considerar a través de una tasa de robo por cada 1,000 habitantes y los resultados fueron similares.

Modelos integrando la presencia de bandas delincuenciales

https://www.elfinanciero.com.mx/nacional/40-bandas-se-disputan-la-cdmx/

##  [1] alvaro_obregon         tlalpan                benito_juarez         
##  [4] iztacalco              azcapotzalco           venustiano_carranza   
##  [7] tlahuac                gustavo_a_madero       miguel_hidalgo        
## [10] xochimilco             cuajimalpa_de_morelos  la_magdalena_contreras
## [13] milpa_alta             cuauhtemoc             coyoacan              
## [16] iztapalapa            
## 16 Levels: alvaro_obregon azcapotzalco benito_juarez ... xochimilco
## Rows: 2,380
## Columns: 33
## $ robo_vehicular    <fct> Yes, Yes, Yes, Yes, No, Yes, Yes, No, Yes, No, No, Y~
## $ tasa_rob_veh      <dbl> 0.4260153, 1.7436792, 1.8157059, 2.4021963, 0.000000~
## $ robo_vehículos    <dbl> 3, 8, 4, 7, 0, 1, 2, 0, 1, 0, 0, 1, 1, 1, 4, 2, 1, 0~
## $ cvegeo            <chr> "0901000011716", "0901000012150", "0901000011133", "~
## $ id_mun_loc        <chr> "0100001", "0100001", "0100001", "0100001", "0100001~
## $ cve_ent_x         <chr> "09", "09", "09", "09", "09", "09", "09", "09", "09"~
## $ cve_mun_x         <chr> "010", "010", "010", "010", "010", "010", "010", "01~
## $ cve_loc_x         <chr> "0001", "0001", "0001", "0001", "0001", "0001", "000~
## $ cve_ageb_x        <chr> "1716", "2150", "1133", "1307", "0281", "2199", "226~
## $ geometry          <chr> "POLYGON ((-11049441.68989537 2193305.315465418, -11~
## $ nom_mun           <fct> alvaro_obregon, alvaro_obregon, alvaro_obregon, alva~
## $ tx1k_psinder      <dbl> 286.2823, 244.1151, 220.1543, 186.6850, 329.1139, 27~
## $ tx1k_p15ym_an     <dbl> 23.714854, 9.808195, 3.177485, 4.804393, 0.000000, 1~
## $ tx1k_pnacoe       <dbl> 201.64726, 146.46905, 214.70722, 225.46328, 223.6286~
## $ tx1k_p_15a24      <dbl> 165.0099, 129.9041, 113.0277, 146.8771, 118.1435, 15~
## $ tx1k_p15a24a      <dbl> 447.5043, 593.9597, 690.7631, 626.1682, 785.7143, 51~
## $ graproes          <dbl> 9.34, 12.29, 14.95, 14.29, 13.60, 10.66, 12.46, 13.1~
## $ tx1k_pea_pdesocup <dbl> 14.087928, 35.632184, 16.776076, 11.614402, 0.000000~
## $ tx1k_hogjef_f     <dbl> 436.7940, 469.2737, 419.8175, 291.9109, 205.8824, 40~
## $ tx1k_phogjef_f    <dbl> 422.4652, 435.4276, 359.1317, 234.1160, 164.5570, 40~
## $ tx1k_vivdes       <dbl> 20.03163, 81.48148, 102.68378, 115.82213, 128.20513,~
## $ tx1k_vph_inter    <dbl> 635.2878, 800.7449, 955.6714, 974.2087, 941.1765, 74~
## $ pro_ocup_c        <dbl> 1.03, 0.73, 0.50, 0.53, 0.54, 0.94, 0.74, 0.63, 0.82~
## $ pobtot            <dbl> 7042, 4588, 2203, 2914, 237, 4398, 1809, 80, 8619, 5~
## $ gpo_delitos1      <dbl> 4, 13, 6, 7, 3, 3, 1, 0, 9, 4, 6, 2, 12, 6, 12, 10, ~
## $ gpo_delitos2      <dbl> 6, 5, 39, 23, 3, 9, 0, 0, 14, 8, 7, 5, 11, 8, 23, 13~
## $ postes_wifi       <dbl> 7, 7, 9, 6, 1, 5, 2, 2, 4, 2, 8, 1, 7, 5, 10, 1, 0, ~
## $ union_tepito      <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1~
## $ cjng              <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1~
## $ cartel_de_tlahuac <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1~
## $ lenin_canchola    <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1~
## $ anti_union_tepito <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1~
## $ rodolfos          <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1~

Cambiamos de doble to character

Ahora utilizaremos una regularización Lasso para obtener determinar cuales variables podrían explicar de mejor forma nuestro modelo y de igual forma validar nuevamente que nuestros datos no son lineales:

## # A tibble: 6 x 3
##   term               estimate lambda
##   <chr>                 <dbl>  <dbl>
## 1 tx1k_p15a24a       0.000348 0.0798
## 2 tx1k_pea_pdesocup  0.00167  0.0798
## 3 gpo_delitos1       0.0137   0.0798
## 4 gpo_delitos2       0.0533   0.0798
## 5 postes_wifi        0.137    0.0798
## 6 anti_union_tepito -0.363    0.0798

Es importante notar como esta regularización nos muestra que variables importantes en el modelo son la presencia de otros delitos y los postes wifi. En el caso de los postes wifi, es altamente probable que exista una correlación por la alta concentración de robos en zonas cercanas, esto es, probablemente existe algún elemento relacionado que no detectan nuestros datos, pues sería contratintuitivo que la presencia de postes wifi incrementa el robo de vehículos.

IMPORTANCIA DE VARIABLES

Nuestro objetivo es determinar de todas las variables que tenemos preprocesadas para nuestro modelo cuales realmente reflejan un mayor grado de explicabilidad del fenómeno analizado:

## Warning in as.data.frame.numeric(., importancia): 'row.names' is not a character
## vector of length 15 -- omitting it. Will be an error!
##             variable          .
## 1       gpo_delitos2 1.23920641
## 2       gpo_delitos1 0.58529673
## 3           graproes 0.57061022
## 4     tx1k_vph_inter 0.40450272
## 5        postes_wifi 0.38084879
## 6         pro_ocup_c 0.36371775
## 7       tx1k_p15a24a 0.21536482
## 8       tx1k_p_15a24 0.21334050
## 9      tx1k_p15ym_an 0.17985610
## 10     tx1k_hogjef_f 0.15495913
## 11      tx1k_psinder 0.15471966
## 12    tx1k_phogjef_f 0.14397746
## 13 tx1k_pea_pdesocup 0.08864625
## 14       tx1k_pnacoe 0.05841810
## 15       tx1k_vivdes 0.03971719

De forma similar a la regularización Lasso, nos uestra que la presencia de otros delitos en la zona está relacionado con la incidencia del robo de vehículos.

MODELO 3: Regresión Logística, un muy buen resultado.

Vamos a dar un cambio de dirección y utilizaremos nuestra variable binaria robo_vehicular = {0: No hay incidencia y 1: incidencia de 1 o más robos} y en nuestro primer approach intentaremos con una regresión logística:

LOGISTIC REGRESSIÓN MODEL

[1] “robo_vehicular” “tasa_rob_veh” “robo_vehículos” “cvegeo” “id_mun_loc” “cve_ent_x”
[7] “cve_mun_x” “cve_loc_x” “cve_ageb_x” “geometry” “nom_mun” “tx1k_psinder”
[13] “tx1k_p15ym_an” “tx1k_pnacoe” “tx1k_p_15a24” “tx1k_p15a24a” “graproes” “tx1k_pea_pdesocup” [19] “tx1k_hogjef_f” “tx1k_phogjef_f” “tx1k_vivdes” “tx1k_vph_inter” “pro_ocup_c” “pobtot”
[25] “gpo_delitos1” “gpo_delitos2” “postes_wifi” “union_tepito” “cjng” “cartel_de_tlahuac” [31] “lenin_canchola” “anti_union_tepito” “rodolfos”

## Warning: glm.fit: fitted probabilities numerically 0 or 1 occurred
## == Workflow [trained] ==========================================================
## Preprocessor: Recipe
## Model: logistic_reg()
## 
## -- Preprocessor ----------------------------------------------------------------
## 0 Recipe Steps
## 
## -- Model -----------------------------------------------------------------------
## 
## Call:  stats::glm(formula = ..y ~ ., family = stats::binomial, data = data)
## 
## Coefficients:
##       (Intercept)       tx1k_psinder      tx1k_p15ym_an        tx1k_pnacoe  
##        -1.7045900          0.0006961          0.0123606         -0.0014679  
##      tx1k_p_15a24       tx1k_p15a24a           graproes  tx1k_pea_pdesocup  
##        -0.0011341          0.0014871         -0.0574716          0.0098745  
##     tx1k_hogjef_f     tx1k_phogjef_f        tx1k_vivdes     tx1k_vph_inter  
##        -0.0017778         -0.0004699         -0.0001068          0.0011642  
##        pro_ocup_c       gpo_delitos1       gpo_delitos2        postes_wifi  
##         0.6948746          0.0043177          0.1188441          0.1289368  
##      union_tepito               cjng  cartel_de_tlahuac     lenin_canchola  
##         0.9262703         -0.0661807          0.7035064         -0.6139352  
## anti_union_tepito           rodolfos  
##        -0.5663221         -0.1124578  
## 
## Degrees of Freedom: 1784 Total (i.e. Null);  1763 Residual
## Null Deviance:       1964 
## Residual Deviance: 1671  AIC: 1715
## # A tibble: 595 x 4
##    .pred_No .pred_Yes .pred_class robo_vehicular
##       <dbl>     <dbl> <fct>       <fct>         
##  1  0.00666     0.993 Yes         Yes           
##  2  0.442       0.558 Yes         No            
##  3  0.575       0.425 No          No            
##  4  0.357       0.643 Yes         Yes           
##  5  0.315       0.685 Yes         Yes           
##  6  0.336       0.664 Yes         Yes           
##  7  0.127       0.873 Yes         Yes           
##  8  0.307       0.693 Yes         Yes           
##  9  0.489       0.511 Yes         Yes           
## 10  0.600       0.400 No          No            
## # ... with 585 more rows
## [1] "No"  "Yes"
## # A tibble: 2 x 3
##   .metric     .estimator .estimate
##   <chr>       <chr>          <dbl>
## 1 accuracy    binary         0.785
## 2 mn_log_loss binary         0.503
obs probabilidad y
Yes 0.9933363 1
No 0.5578210 0
No 0.4247225 0
Yes 0.6426822 1
Yes 0.6846888 1
Yes 0.6641576 1
## `geom_smooth()` using formula 'y ~ x'

En el gráfico anterior, observamos un podo de dificultad en las probabilidades de 0 a 0.4 por la baja cantidad de información que se tiene en tales puntos.

Calibración binaria

Ahora vamos a crear intervalos de credibilidad para analizar la consistencia en las probabilidades de clase:

proba_grupo prob_media n obs obs_prop inferior superior
[0.25,0.528] 0.443 60 21.000 0.355 0.254 0.450
(0.528,0.613] 0.570 59 28.000 0.475 0.365 0.572
(0.613,0.668] 0.641 60 41.000 0.677 0.567 0.761
(0.668,0.728] 0.699 59 47.000 0.787 0.683 0.856
(0.728,0.777] 0.755 60 42.000 0.694 0.584 0.775
(0.777,0.832] 0.803 59 51.000 0.852 0.757 0.908
(0.832,0.883] 0.859 59 51.000 0.852 0.757 0.908
(0.883,0.937] 0.909 60 54.000 0.887 0.798 0.934
(0.937,0.976] 0.956 59 56.000 0.934 0.856 0.967
(0.976,1] 0.990 60 55.000 0.903 0.818 0.946

Finalmente, observamos que la baja cantidad de observaciones nos causa problemas en las probabilidades de 0 a 0.4 como habíamos visto en el gráfico anterior. A pesar de esto, es notable observar que al menos todos nuesros intervalos tocan la predicción (aunque no con mucha precision).

Conclusiones

Una vez que se han comparado todos los modelos podemos concluir, en primer, lugar que una regresión lineal dada la base rala con la que contamos no era un modelo adecuado. Por tanto, el problema se resolvió transformando la variable dependiente en una variable categórica binaria que permitiera predecir la existencia de al menos un robo en cada una de las unidades geográficas de la Ciudad de México. Con este modelo se obtuvo un accuracy de .78 y una pérdida logística de .5. Lo que nos permite validar que sí existe una influencia de las variables propuestas en Modelo de Prevención.

Con relación a algunos de los factores de riesgo de contexto como la incidencia de otros delitos el modelo indica que en un lugar dado se cometerán robos de vehículos si se presentan otros tipos de despojos, así como, fraudes, amenazas y narcomenudeo. Cabe señalar, que estos tipos de delitos son cometidos por el mismo tipo de actor delictivo (bandas y pandillas) y son propios de zonas urbanas.

Por otro lado este ejercicio muestra que la presencia de un mayor número de postes de internet y acceso a este servicio está relacionado con un mayor número de robos. Creemos que este resultado está capturando el hecho de que entre más urbanización tenemos mayor es el número de este tipo de delitos.

Respecto a la población delictiva potencial que son los jóvenes de entre 15 y 24 años el modelo muestra que entre mayor sea el número de éstos, menor es la incidencia, pero si este grupo de jóvenes asiste a la escuela mayor es el número de robos. Esta relación, no es fácil de interpretar.

Respecto a las variables estructurales que resultaron de mayor importancia fueron: grado de escolaridad y tasa de población desocupada de la PEA, que coincide con la hipótesis plateada

Por otro lado no resultaron importantes las variables relacionadas con poblaciones delictivas reales, presencia de bandas conocidas; como tampoco factores de riesgo sociales, como mayor proporción de hogares monoparentales.

Trabajos futuros

Se puede considerar integrar un modelo geoespacial que permita encontrar variables relacionadas con el robo de vehículos integrando la ubicación de varios factores de riesgo como falta de alumbrado público, la ubicación de estacionamientos o zonas de estacionamiento con baja vigilancia. De la misma forma,se puede integrar un análisis que permita agrupar unidades geográficas vecinas con características similares.

  1. Guillermo Valdés Castellanos.
  • Ex director del CISEN (2007-2011)
  • Miembro del Consejo de Seguridad Nacional y del Gabinete de Seguridad Pública (2007-2011)
  • Coordinador del Grupo de Alto Nivel México-Estados Unidos en materia de cooperación para la seguridad (2007-2011)
  • Investigador de la Fundación Ortega y Gasset
  • Licenciado en Ciencias Sociales, ITAM